利用网络图像增强行为识别

• 作者: 闻号
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 网络学习 迁移学习 行为识别 密集轨迹 字典学习
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 31-34
• 页数: 4页
• 分类号: TP39
• 字数: 2444字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2019.01.007

摘要

鉴于商业视觉搜索引擎的日益成熟,网络数据可能是下一个扩大视觉识别的重要数据源.通过观察发现,动作名称查询到的网络图像具有歧视性的动作场景.网络图像的歧视性信息和视频的时间信息之间有相互补充的优势.在此基础上提出一种利用大量的网络图像来增强行为识别的方法.具体框架是:提取行为视频的密集轨迹特征,并与网络图像特征相结合后放入支持向量机中训练分类.该方法是一个跨域学习问题,为了有效地利用网络图像特征,引入了跨域字典学习算法来处理网络图像,以解决网络图像域和视频域之间存在的域差异问题.由于网络图像可以轻松地在网络上获取,所以该方法几乎零成本地增强行为识别.在KTH和YouTube数据集上的实验结果表明,该方法有效提高了人体行为识别的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	闻号	安徽大学电子信息工程学院	1	0	0.0	0.0