文献类型：期刊文章

作　　者：罗冬梅[1] 左金水[2] 余文森[3]

机构地区：[1]武夷学院信息技术与实验室管理中心,武夷山354300 [2]浙江工商大学管理学院,杭州310018 [3]武夷学院数学与计算机学院,武夷山354300

出　　处：《电子测量与仪器学报》

基　　金：教育部科学青年基金(13YJC630253);福建省自然科学基金(2015J01668);福建省中青年教师教育科研项目(JB14103)资助

年　　份：2017

卷　　号：31

期　　号：12

起止页码：1929-1936

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD_E2017_2018、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对复杂环境中动作识别易受到光照变化、目标旋转,遮挡等导致目标位置不精确,目标漂移以及识别错误等问题,提出了一种基于双特征融合与自适应提升的动作识别算法。首先,基于时空上下文(spatio-temporal context,STC)机制,通过时空上下文关系与视觉系统特性来提取图像序列特征,降低光照变化、遮挡对行为动作的影响;同时,利用卷积神经网络(convolution neural network,CNN)来处理图像序列,分别获得STC特征与CNN特征;其次,引入主成分分析算子,定义双特征融合规则,对获得STC特征与CNN特征进行组合,形成一种更准确、完整的特征表示;然后,通过得到的新特征,利用自适应提升算法(adaptive boosting algorithm,ABA)进行分类训练,完成对行为动作决策判断。在Weizmann、Hollywood数据集上测试表明,相对于当前常用的动作识别方法,所提算法对各种行为动作具有更高的识别精度与鲁棒性,更能适应复杂背景和动作变化。所提算法具有较高的人体动作识别精度,在视频监测、人机交互等领域具有一定的应用价值。

关 键 词：图像动作识别  时空上下文  双特征融合  卷积神经网络 主成分分析 自适应提升算法  

分 类 号：TP399] TN99[计算机类]