基于核方法的支持向量機在人體動作識別中的應用研究.pdf

1、隨著計算機的發(fā)展，計算機視覺技術成為近年來的研究熱點，計算機視覺就是利用攝影機等成像設備代替人眼采集信息，然后由計算機代替人腦完成對運動目標的檢測、跟蹤、識別等過程。人體動作識別是當今計算機視覺領域的熱點的研究方向之一，在移動終端設備中，可進行更智能化的人機交互，在智能監(jiān)控系統(tǒng)中，可實現監(jiān)控的無人化值守。
　　支持向量機(Support Vector Machine，SVM)是由Vapnik等人在統(tǒng)計學習理論的基礎上提出的一種新型

2、機器學習方法，在泛化能力和學習性能等方面具有明顯優(yōu)勢，能有效地解決小樣本、非線性、高維數等問題，是一種強有力的分類方法。自20世紀90年代提出以來，SVM就得到了迅速的發(fā)展，被廣泛應用于人臉識別、文本分類、醫(yī)學圖像處理等領域。
　　核方法是實現支持向量機中非線性映射的一種重要方法，核方法的關鍵技術是核函數的選擇或構造。本論文的目的是研究混合核函數在人體動作識別中的應用。
　　本論文主要工作如下：
　　1.為克服局部性核

3、函數學習能力強，但泛化性能較弱，而全局性核函數泛化性能強，但學習能力較弱的不足，提出將兩類核函數組成混合核函數，人體動作識別實驗表明該方法優(yōu)于單核函數。
　　2.提出采用基于混合核函數SVM的方法進行動作識別，與常用的模板匹配法進行人體動作識別相比較，具有運算量小，識別率高的特點。
　　3.在伊利諾伊大學人體動作數據庫中，只有人體動作的彩色圖像，為了方便采用主成分分析算法進行降維處理，以提高運算速度，本文對所有圖像進行了灰度