AdaBoost-EHMM算法及其在行为识别中的应用

• 作者: 林润生 王省 谷军霞
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: AdaBoost-EHMM 行为识别 特征提取
• 年，卷（期）: 2013,（14）
• 页码范围: 186-192
• 页数: 7页
• 分类号: TP391
• 字数: 6294字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1111-0297

摘要

隐马尔可夫模型（Hidden Markov Model，HMM）是一种有效的时序信号建模方法，已广泛用于语音识别、文字识别等领域，近年来也被用于人的行为识别。人的行为序列是一种特殊的时序信号，每类行为往往包含若干帧关键姿势。利用行为序列的这个特点，提出了AdaBoost-EHMM（AdaBoost-Exemplar-based HMM）算法，并将该算法应用于行为识别中。利用AdaBoost的特征选择方法将行为序列中的典型样本逐个选择出来作为HMM观测概率模型的均值，之后融合多级分类器进行行为识别。实验结果证明AdaBoost-EHMM算法在保证算法收敛的同时提高了识别率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谷军霞	国家气象信息中心系统工程室	15	109	7.0	10.0
2	王省	国家气象信息中心系统工程室	4	2	1.0	1.0
3	林润生	国家气象信息中心系统工程室	4	62	3.0	4.0