采用自适应变异粒子群优化SVM的行为识别

• 作者: 张国梁 张祥银 徐涛 贾松敏
• 来源期刊: 光学精密工程
• 学科: 工学
• 关键词: 人体行为识别 自适应变异粒子群算法 时空兴趣点 特征编码 支持向量机
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 信息科学
• 页码范围: 1669-1678
• 页数: 10页
• 分类号: TP391
• 字数: 6587字
• 语种: 中文
• DOI: 10.3788/OPE.20172506.1669

摘要

为了提高对视频序列中人体行为的识别能力,建立了基于局部特征的动作识别框架.通过时空特征提取及编码和SVM分类器参数优化两部分对该框架所涉及算法进行了研究.首先,采用Harris3D检测器获取时空兴趣点(STIP),以方向梯度直方图(HOG)和光流方向直方图(HOF)对STIP进行描述,并引入Fisher向量实现对特征描述子的编码;由于固定参数下SVM动作分类模型存在泛化能力不足的问题,将粒子群算法应用于各动作分类器参数寻优过程中,针对种群多样性逐代变化的特点,构建粒子聚集度模型,并利用其动态调节各代粒子的变异概率;最后,利用KTH和HMDB51数据集对所提方法进行验证.结果表明,所提自适应变异粒子群算法(AMPSO)能够有效避免种群陷入局部最优,具备较强的全局寻优能力;在KTH和HMDB51数据集上的识别准确率分别为87.50%和26.41%,优于其余2种识别方法.实验证明,AMPSO算法收敛性能良好且整体识别框架具有较高的实用性和准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张国梁	北京工业大学信息学部	8	35	3.0	5.0
2	贾松敏	北京工业大学信息学部	43	289	10.0	14.0
3	张祥银	北京工业大学信息学部	6	22	2.0	4.0
4	徐涛	北京工业大学信息学部	11	56	5.0	7.0