基于Boosting RBF神经网络的人体行为识别

• 作者: 叶银兰
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: Zemike矩 人体行为识别 boosting算法 运动历史图像
• 年，卷（期）: 2008,（13）
• 所属期刊栏目: 图形、图像、模式识别
• 页码范围: 188-190,241
• 页数: 4页
• 分类号: TP391
• 字数: 4403字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2008.13.058

摘要

提出一种基于Boosting RBF神经网络的人体行为识别方法,该方法利用规范化的运动历史图像(MHI)进行图像序列表示,从中提取Zernike矩的统计描述特征,然后提出Adaboost算法自适应地选择图像序列的特征作为RBF神经网络的输入,为了进一步提高神经网络的泛化能力,采用一种调整权值分布,限制权重扩张的改进的Boosting方法.分类器以加权投票方式进行分类决策.实验结果表明,提出的方法能够有效地识别人体运动类别.