原文服务方: 计算机应用研究       
摘要:
针对一般聚类获得的码本缺乏判别性表示导致不能有效进行人体动作识别的问题,提出了一种新的自适应码本学习方法,该方法将判别式词袋(bag of words,BoW)动作表示和自适应码本学习结合,增强了码本的表示能力和特征的判别性。为了有效求解非凸目标函数,提出基于轮换优化迭代方法,即固定码本更新判别矩阵,然后判别矩阵更新固定码本,直至满足终止迭代条件,该方法为自适应码本学习提供了技术支持。仿真实验采用KTH、Hollywood2、芭蕾、i3 Dpost数据库进行判别比较,识别率比现有典型方法平均提高了4%左右,学习到的码本在特征空间中具有良好的判别性能。相比于基于光流、方向梯度直方图(histograms of oriented gradients, HOG)等方法,计算复杂度更低,实用性更好。
推荐文章
基于深度学习的人体动作识别方法
深度信息
人体动作识别
深度学习
空间结构动态深度图
深度卷积神经网络
基于视频的人体动作识别算法综述
动作识别
RGB数据
RGB-D数据
深度学习
基于关节信息和极限学习机的人体动作识别
人体动作识别
极限学习机
协方差
方向位移直方图
基于混合特征的人体动作识别改进算法
动作识别
剪影特征
光流特征
留一法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 判别式 Bo W分析结合自适应码本学习的人体动作识别
来源期刊 计算机应用研究 学科
关键词 人体动作识别 判别式词袋 自适应 码本学习 轮换优化迭代
年,卷(期) 2016,(5) 所属期刊栏目 图形图像技术
研究方向 页码范围 1576-1580
页数 5页 分类号 TP391.41
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2016.05.065
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈鹏慧 湖南信息职业技术学院信息工程系 24 23 2.0 3.0
2 蔡琼 湖南信息职业技术学院信息工程系 24 31 2.0 4.0
3 郭涛 湖南大学视觉与图像处理实验室 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (62)
共引文献  (96)
参考文献  (10)
节点文献
引证文献  (1)
同被引文献  (7)
二级引证文献  (1)
1972(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(3)
  • 参考文献(0)
  • 二级参考文献(3)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(4)
  • 参考文献(1)
  • 二级参考文献(3)
2006(8)
  • 参考文献(0)
  • 二级参考文献(8)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(7)
  • 参考文献(0)
  • 二级参考文献(7)
2009(5)
  • 参考文献(0)
  • 二级参考文献(5)
2010(8)
  • 参考文献(0)
  • 二级参考文献(8)
2011(4)
  • 参考文献(0)
  • 二级参考文献(4)
2012(6)
  • 参考文献(4)
  • 二级参考文献(2)
2013(5)
  • 参考文献(3)
  • 二级参考文献(2)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
人体动作识别
判别式词袋
自适应
码本学习
轮换优化迭代
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导