基于支持向量机的多种人体姿态识别

• 作者: 徐贵力 谢非
• 来源期刊: 重庆工学院学报（自然科学版）
• 学科: 工学
• 关键词: 人体姿态识别 支持向量机 智能监控
• 年，卷（期）: 2009,（3）
• 所属期刊栏目: 信息·电子·计算机
• 页码范围: 138-143
• 页数: 6页
• 分类号: TP391.4
• 字数: 3401字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425-B.2009.03.032

摘要

为了实现对边防哨所等场合中无人监控的车辆、人体直立、哈腰、匍匐几种姿态的识别,提出了一种基于支持向量机的多种人体姿态识别方法.在对各种目标建立了样本库之后,提取了形状复杂性、矩形度、宽高比、头部矩形度等特征,利用支持向量机具有全局最优性和较好泛化能力的特点,进行了小样本的2类及多类目标分类识别,并和RBF神经网络的分类效果进行对比.实验结果表明,SVM不需进行网络迭代训练,求解速度明显高于RBF神经网络,且识别性能也优于RBF神经网络,并且采用径向基核的SVM性能最好.该方法识别率高,平均可达到96%,快速性好,识别速度平均为0.0172S,为小样本下的多目标分类及识别提供了理论和技术基础.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐贵力	南京航空航天大学自动化学院	77	1137	16.0	32.0
2	谢非	南京航空航天大学自动化学院	10	91	6.0	9.0