基于支持向量机优化的人体动作识别方法

• 作者: 刘一松 韩建飞
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 支持向量机(SVM) “一对一”识别策略 动作识别 UPOP DAG SVM
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 应用技术
• 页码范围: 153-156,164
• 页数: 5页
• 分类号: TP18|TP312
• 字数: 3793字
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2017.04.039

摘要

针对传统的基于支持向量机(SVM)在人体运动识别方法中仅单一地采用“一对一”识别策略并输出识别结果,忽略动作种类较多的时候,导致的识别效率低下,识别精确度不高的情况,提出了UPOP策略.UPOP策略采用了基于SVM的改进策略进行动作的识别,在识别的时候根据分类器的识别精度对DAG SVM策略进行改进,并在输出结果的时候输出识别结果和相对应的置信度,利用置信度对识别结果进行处理.通过实验,文中方法的识别率为98.3％,验证了UPOP策略的有效性,实现了高效率、高准确度的人体动作识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘一松	江苏大学计算机科学与通信工程学院	40	180	7.0	11.0
2	韩建飞	江苏大学计算机科学与通信工程学院	1	2	1.0	1.0