基于改进BoW模型的行为识别

• 作者: 宋运忠 杨丽英
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 人体行为识别 无监督特征学习 结构稀疏性 组稀疏编码 线性SVM
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 数据采集与处理
• 页码范围: 1-6
• 页数: 6页
• 分类号: TP391
• 字数: 5313字
• 语种: 中文

摘要

尽管传统的词袋(BoW,bag of words)模型在复杂场景行为识别中能够保持鲁棒性,但是硬向量量化会导致大量的近似误差,进而产生很差的特征集.行为识别中一个重要的挑战是视觉词汇的构造,从原始特征到分类标签没有直接的映射,因此高层的视觉描述子需要更加精确的词典,故提出基于结构稀疏表示的人体行为识别方法.在所提出方法的BoW模型中,视频表示为组稀疏编码系数的直方图.与传统的BoW模型相比,所提方法具有更少的量化误差,而且高层特征表示可以减少模型参数和存储复杂性,并在标准化的人体行为数据集上评价所提方法,数据集包括KTH,Weimann,UCF-Sports,UCF50人体行为数据集,实验结果表明,所提方法与现存的其他方法相比各方面性能都有显著的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋运忠	河南理工大学电气工程与自动化学院	49	229	9.0	13.0
2	杨丽英	河南理工大学电气工程与自动化学院	2	3	1.0	1.0