基于流形學(xué)習(xí)的人體動(dòng)作識(shí)別研究.pdf

1、人體動(dòng)作識(shí)別已經(jīng)成為計(jì)算機(jī)視覺研究方向的一個(gè)前沿領(lǐng)域，其應(yīng)用范圍主要包括視覺監(jiān)控、運(yùn)動(dòng)分析、人機(jī)交互、虛擬現(xiàn)實(shí)等。人體動(dòng)作識(shí)別研究中，往往是對視頻或序列圖像進(jìn)行運(yùn)動(dòng)分析，所要處理的動(dòng)作特征維數(shù)一般較高，導(dǎo)致運(yùn)算和存儲(chǔ)相應(yīng)的時(shí)間復(fù)雜度和空間復(fù)雜度較高，難以從中提取出表現(xiàn)其真實(shí)內(nèi)在結(jié)構(gòu)的內(nèi)蘊(yùn)特征。流形學(xué)習(xí)是近來機(jī)器視覺與模式識(shí)別領(lǐng)域中一種熱門的非線性降維方法，其主要目的是通過尋找高維空間到低維流形的非線性映射，從而獲得隱藏在高維空間中的有效

2、數(shù)據(jù)信息。
　　本文主要研究如何將流形學(xué)習(xí)與人體動(dòng)作識(shí)別進(jìn)行更好的結(jié)合，包括動(dòng)作識(shí)別中特征的提取與表示，以及高維特征向量的維數(shù)約簡等。
　　本文主要貢獻(xiàn)為：
　　1.對有監(jiān)督等距映射算法進(jìn)行了改進(jìn)，針對其無法給出顯式映射在分類識(shí)別應(yīng)用中的局限性，本文假定局部鄰域內(nèi)線性表出關(guān)系映射至低維流形空間保持不變，通過最小化線性表出誤差求解新樣本在原高維數(shù)據(jù)集中的近鄰表出，同時(shí)根據(jù)局部流形的彎曲程度重構(gòu)鄰域，提出一種動(dòng)態(tài)鄰域增量式

3、有監(jiān)督等距映射算法，該算法最高識(shí)別率達(dá)到98.97％。
　　2.與有監(jiān)督等距映射算法利用類別信息構(gòu)建差異度度量矩陣不同，此處從另一種思路出發(fā)，在近鄰圖構(gòu)建時(shí)，引入自適應(yīng)權(quán)重近鄰點(diǎn)距離因子，利用樣本類別信息，對近鄰點(diǎn)距離進(jìn)行重構(gòu)，計(jì)算目標(biāo)點(diǎn)與局部鄰域內(nèi)每一類別樣本點(diǎn)的平均距離，改進(jìn)目標(biāo)點(diǎn)到該類別各點(diǎn)的距離度量。同時(shí)為提高增量學(xué)習(xí)速率，引入推廣的等距映射算法，該算法最高識(shí)別率達(dá)到95.41%，識(shí)別單個(gè)序列僅需0.0357s。