基于LMP-KCPA的人体动作识别方法

• 作者: 史东承 张冰冰 梁超
• 来源期刊: 吉林大学学报（信息科学版）
• 学科: 工学
• 关键词: 人体动作识别 时空兴趣点 局部运动模式 核主成分分析
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 407-412
• 页数: 6页
• 分类号: TP391
• 字数: 2744字
• 语种: 中文

摘要

为解决人体动作识别中由于特征描述子的维数过高,无法表征目标变化的本质运动变化信息的问题,给出了核主成分分析(KPCA:Kernel Principal Component Analysis)对局部运动模式描述子(LMP:Local Motion Pattern)降维方法.首先利用LMP描述子对人体运动目标进行描述,然后利用KPCA算法对局部运动模式特征描述子进行处理,获取新的特征描述方式.通过MATLAB仿真,与Cuboids+ SVM和LMP+ SR两种算法对比结果表明,基于LMP-KPCA的人体动作识别,特征描述子维数明显降低,可以表征人体运动目标变化关键信息,识别率比Cuboids+ SVM算法提高1.1％,比LMP+ SR提高1％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	史东承	长春工业大学计算机科学与工程学院	36	164	7.0	11.0
2	梁超	长春工业大学计算机科学与工程学院	13	30	4.0	4.0
3	张冰冰	长春工业大学计算机科学与工程学院	3	2	1.0	1.0