基于跨域字典学习算法的人体行为识别

• 作者: 倪康 史东承 张冰冰 梁超
• 来源期刊: 吉林大学学报（理学版）
• 学科: 工学
• 关键词: 人体行为识别 密集点轨迹 跨域字典学习 稀疏编码
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 计算机科学
• 页码范围: 845-851
• 页数: 7页
• 分类号: TP391
• 字数: 3577字
• 语种: 中文
• DOI: 10.13413/j.cnki.jdxblxb.2016.04.30

摘要

将一种跨域字典学习算法应用于人体行为识别中，通过引入辅助域数据集，与原始训练集(目标域)共同进行字典学习，获得字典对，进而得到动作类的稀疏编码，有效扩充了训练集的类内多样性。该算法为字典学习与训练分类相结合的学习框架，可利用字典对学习过程中的重建误差进行分类。实验在 MATLAB 仿真条件下进行，将 UCF YouTube 数据集作为原始训练集，将 HMDB51数据集作为辅助域数据集，选取两个数据集动作类别一致的7个动作，根据提出的算法流程进行识别。将该方法与其他两种人体行为识别算法进行对比。结果表明，该方法识别率显著提高，证明了跨域字典学习算法在人体行为识别上的有效性。

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	倪康	长春工业大学计算机科学与工程学院	3	23	2.0	3.0
4	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