基于L2,1范数稀疏特征选择和超法向量的深度图像序列行为识别

• 作者: 宋相法 张延锋 郑逢斌
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 行为识别 深度图像序列 超法向量 稀疏特征选择 L2,1范数
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 图形图像与模式识别
• 页码范围: 306-308,323
• 页数: 4页
• 分类号: TP391
• 字数: 3329字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2017.02.052

摘要

结合L2.1范数稀疏特征选择和超法向量提出了一种新的深度图像序列行为识别方法.首先从深度图像序列中提取超法向量特征;然后利用L2,1范数稀疏特征选择方法从超法向量特征中选择出最具判别性的稀疏特征子集作为特征表示;最后利用线性分类器Liblinear进行分类.在MSR Action3D数据库上的实验结果表明,所提方法使用2％的超法向量特征获得的识别率为94.55％,并且具有比其他方法更高的识别精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑逢斌	河南大学计算机与信息工程学院	60	472	12.0	19.0
2	张延锋	河南大学计算机与信息工程学院	8	16	2.0	3.0
3	宋相法	河南大学计算机与信息工程学院	9	150	5.0	9.0