基于多视图半监督学习的人体行为识别

• 作者: 唐超 张琛 王文剑 王晓峰 邹乐
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 人体行为识别 多视图学习 半监督学习 动作特征 Kinect传感器
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 研究与应用
• 页码范围: 376-384
• 页数: 9页
• 分类号: TP391.4
• 字数: 6266字
• 语种: 中文
• DOI: 10.16451/j.cnki.issn1003-6059.201904011

摘要

由于人的行为在本质上的复杂性,单一行为特征视图缺乏全面分析人类行为的能力.文中提出基于多视图半监督学习的人体行为识别方法.首先,提出3种不同模态视图数据,用于表征人体动作,即基于RGB模态数据的傅立叶描述子特征视图、基于深度模态数据的时空兴趣点特征视图和基于关节模态数据的关节点投影分布特征视图.然后,使用多视图半监督学习框架建模,充分利用不同视图提供的互补信息,确保基于少量标记和大量未标记数据半监督学习取得更好的分类精度.最后,利用分类器级融合技术并结合3种视图的预测能力,同时有效解决未标记样本置信度评估问题.在公开的人体行为识别数据集上实验表明,采用多个动作特征视图融合的特征表示方法的判别力优于单个动作特征视图,取得有效的人体行为识别性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晓峰	合肥学院计算机科学与技术系	22	309	5.0	17.0
2	王文剑	山西大学计算机与信息技术学院	97	798	14.0	23.0
3	邹乐	合肥学院计算机科学与技术系	15	25	3.0	3.0
4	唐超	合肥学院计算机科学与技术系	13	31	3.0	4.0
5	张琛	合肥学院计算机科学与技术系	5	2	1.0	1.0