文献类型：期刊文章

作　　者：冯小明[1] 冯乃光[2] 汪云云[1]

FENG Xiao-ming;FENG Nai-guang;WANG Yun-yun(Engineering Training Center,Nanjing University of Posts and Telecommunications,Nanjing 210003,China;College of Engineering and Technology,Sichuan Radio and TV University,Chengdu 610073,China)

机构地区：[1]南京邮电大学工程训练中心,江苏南京210003 [2]四川广播电视大学工程技术学院,四川成都610073

出　　处：《计算机工程与设计》

基　　金：国家自然科学基金青年基金项目(61300165);南京邮电大学引进人才基金项目(NY213033);高等学校博士学科点专项科研基金项目(20133223120009);2016年四川省教育厅重点科研课题基金项目(16ZA0425)

年　　份：2018

卷　　号：39

期　　号：10

起止页码：3220-3227

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对当前的动作识别算法难以有效识别复杂动作的问题,提出一种人体行为识别算法。利用改进的密集轨迹,将视频表示为多个基础动作序列(primitive actions,PA),将其编码为PA的特征序列,通过仿射传播,将其变为索引序列;基于序列模式挖掘(sequential pattern mining,SPM),形成不同的序列袋(bag of sequence,BOS)模型;对BOS模型进行学习,计算其序列比对特征、外观匹配特征、序列集特征,构成动作的评分函数;引入线性判别分析(linear discriminat analysis,LDA),对动作的评分值进行分类学习,完成动作识别。在MSR3D与UCF-Sport数据集上进行测试,实验结果表明,面对各种复杂动作,所提算法具有更高的识别精度与稳定性。

关 键 词：动作识别  基础动作序列  序列袋  仿射传播  序列模式挖掘 线性判别分析

分 类 号：TP399]