文献类型：期刊文章

作　　者：陈艳[1] 胡荣[2] 李升健[3] 万彬[4] 孙书会[5]

CHEN Yan;HU Rong;LI Sheng-jian;WAN Bin;SUN Shu-hui(School of Communication and Electronics,Jiangxi Science and Technology Normal University,Nanchang 330036,China;School of Science and Technology,Nanchang University,Nanchang 330029,China;Electric Science Research Institute,States Grid Jiangxi Electric Power Limited Company,Nanchang 330096,China;Engineering Department,Vocational College of Nanchang,Nanchang 330004,China;School of Software,Shenyang University of Technology,Shenyang 110870,China)

机构地区：[1]江西科技师范大学通信与电子学院,南昌330036 [2]南昌大学科学技术学院,南昌330029 [3]国网江西省电力有限公司电力科学研究院,南昌330096 [4]南昌职业学院工程系,南昌330004 [5]沈阳工业大学软件学院,沈阳110870

出　　处：《沈阳工业大学学报》

基　　金：国家自然科学基金项目(61563034);江西省教育厅科学技术研究项目(GJJ151504,GJJ151505,GJJ151497).

年　　份：2020

卷　　号：42

期　　号：6

起止页码：665-669

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对复杂场景中的人体行为识别困难的问题,提出了一种基于组合特征和SVM的行为识别算法.该算法使用光流特征、HOG特征、重心特征和3D SIFT特征构成的组合特征来描述人体的各种行为;使用一对一的方式训练SVM分类器对提取出的特征进行分类,并以投票的方式得到具体的行为类别.使用包含4个场景的KTH数据集进行仿真.结果表明,所提出的算法能适应各种复杂环境,且相比只采用单一特征的识别算法具有更高的分类精度.

关 键 词：行为识别  光流 方向梯度直方图 重心  3D SIFT特征  支持向量机 KTH数据集  行为分类  

分 类 号：TP391.4]