判别迁移学习下的跨视角动作识别方法

发布时间：2017-10-07 04:36

  本文关键词：判别迁移学习下的跨视角动作识别方法

  更多相关文章： 跨视角动作识别 迁移学习 判别分析

【摘要】：视频中的人体动作识别是计算机视觉和模式识别领域的热点问题,在人机交互、智能监控、视频检索、虚拟现实等方面都拥有广阔的应用前景。传统的动作识别方法大多基于同一视角的假设,在固定的视角下提取动作特征并构建识别模型。然而,在真实的应用场景中,随着拍摄角度的变化,同一动作的人体形态和运动轨迹均会发生激变,相应的数据分布和所在的特征空间也会发生改变。这种视角的变动对于传统的动作识别算法是一个极大的挑战,将导致特定视角下训练得到的模型难以适应新视角中的动作识别。本文提出了一种有效的跨视角动作识别方法,能够处理不同视角下处于不同特征空间的动作样本。结合迁移学习的思想,通过寻找一个具有判别力的公共子空间,将源视角和目标视角进行桥连。利用两个不同的特征映射矩阵,分别将不同视角下的所有动作数据投影到这个隐含的公共子空间中,使得相同类别动作的相似度最大化,不同类别动作的相似度最小化。由于不同的特征空间通常拥有不同的数据分布,本文在构建公共子空间的过程中加入了分布差异约束,有效减小了不同视角间的数据分布差异。同时,本文提出了局部保持约束,在映射的过程中保持了样本原有的局部流形结构。这样的线性变换可以被很容易地扩展到相应的核空间,而动作样本通过非线性函数映射到高维核空间中所表现出的数据特性,能够进一步增强公共子空间所具有的判别能力。本文提出的方法不依赖于任何视角间的样本对应关系,也不局限于特定的动作表示,能够在很大程度上满足不同应用场景的需求。实验结果证明了该方法的有效性。鉴于单源视角提供的信息可能相对片面,本文提出了一种融合多个源视角信息的多源迁移学习方法。该方法能够同时利用多个源视角中大量的标注样本,将其中包含的所有动作信息进行融合,通过知识迁移共同作用于目标视角下的动作识别过程,有效处理目标视角中标注样本不足甚至缺失的情况。实验结果表明,融合多个源视角信息的多源迁移学习方法能够有效地提高跨视角动作识别准确率。
【关键词】：跨视角动作识别 迁移学习 判别分析
【学位授予单位】：北京理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-13
• 1.1 研究意义10-11
• 1.2 研究内容11-12
• 1.3 论文结构12-13
• 第2章 研究现状13-22
• 2.1 引言13
• 2.2 跨视角动作识别13-17
• 2.3 迁移学习17-22
• 2.3.1 同构迁移学习18-19
• 2.3.2 异构迁移学习19-22
• 第3章 单源知识迁移的跨视角动作识别22-42
• 3.1 引言22-24
• 3.2 异构空间下的线性判别分析24-28
• 3.2.1 总散度矩阵25
• 3.2.2 类间散度矩阵25-26
• 3.2.3 分布差异约束26
• 3.2.4 局部保持约束26-27
• 3.2.5 模型求解27-28
• 3.3 异构空间下的核判别分析28-31
• 3.3.1 总散度矩阵29
• 3.3.2 类间散度矩阵29-30
• 3.3.3 分布差异约束30
• 3.3.4 局部保持约束30-31
• 3.3.5 模型求解31
• 3.4 实验31-41
• 3.4.1 数据库31-33
• 3.4.2 实验设置33-35
• 3.4.3 实验结果35-41
• 3.5 小结41-42
• 第4章 多源知识迁移的跨视角动作识别42-51
• 4.1 引言42
• 4.2 多源知识迁移42-47
• 4.2.1 总散度矩阵44-45
• 4.2.2 类间散度矩阵45-46
• 4.2.3 分布差异约束46
• 4.2.4 局部保持约束46
• 4.2.5 模型求解46-47
• 4.3 实验47-50
• 4.3.1 数据库47
• 4.3.2 实验设置47-48
• 4.3.3 实验结果48-50
• 4.4 小结50-51
• 总结与展望51-53
• 工作总结51-52
• 未来展望52-53
• 参考文献53-59
• 攻读学位期间发表论文与研究成果清单59-60
• 致谢60

【相似文献】

中国期刊全文数据库 前10条

1 胡雅琴;;动作识别技术及其发展[J];电视技术;2013年S2期

2 倪世宏,史忠科,谢川,王彦鸿;军用战机机动飞行动作识别知识库的建立[J];计算机仿真;2005年04期

3 程祥;;人体动作识别的研究[J];电脑知识与技术;2006年20期

4 黄飞跃;徐光yP;;视角无关的动作识别[J];软件学报;2008年07期

5 徐光yP;曹媛媛;;动作识别与行为理解综述[J];中国图象图形学报;2009年02期

6 黄丽鸿;高智勇;刘海华;;基于脉冲神经网络的人体动作识别[J];现代科学仪器;2012年02期

7 周艳青;王磊;;基于视觉的人体动作识别综述[J];山东轻工业学院学报(自然科学版);2012年01期

8 曹琨;;基于检索表的实时动作识别技术研究[J];中外企业家;2014年05期

9 刘博;安建成;;基于关键姿势的人体动作识别[J];电视技术;2014年05期

10 王燕;张绍武;凌志刚;潘泉;;基于图嵌入线性拓展方法的人体动作识别研究[J];计算机仿真;2008年10期

中国重要会议论文全文数据库 前7条

1 袁飞;程韬波;周松斌;肖先文;;基于加速度特征的可拓动作识别方法[A];广州市仪器仪表学会2009年学术年会论文集[C];2010年

2 黄飞跃;徐光yP;;自然的人体动作识别[A];第三届和谐人机环境联合学术会议（HHME2007）论文集[C];2007年

3 叶喜勇;陶霖密;王国建;邸慧军;;视角无关的人体躯干动作识别[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

4 黄艳欢;叶少珍;;连续动作分割综述[A];第十四届全国图象图形学学术会议论文集[C];2008年

5 董力赓;陶霖密;徐光yP;;头部姿态和动作的识别与理解[A];第三届和谐人机环境联合学术会议（HHME2007）论文集[C];2007年

6 朱岩;赵旭;刘允才;;基于稀疏编码和局部时空特征的人体动作识别[A];第十五届全国图象图形学学术会议论文集[C];2010年

7 席旭刚;金燕;朱海港;高云园;;基于小波包熵和支持向量机的手部肌电信号动作识别[A];2013年中国智能自动化学术会议论文集（第五分册）[C];2013年

中国重要报纸全文数据库 前2条

1 本报记者 陈丹;人与机器的“对话”[N];科技日报;2010年

2 ;凌空敲键盘？无线计算机手套问世[N];中国计算机报;2004年

中国博士学位论文全文数据库 前10条

1 谌先敢;现实环境下的人体动作识别[D];武汉大学;2012年

2 陈渊博;视频序列中的人体动作识别[D];北京邮电大学;2015年

3 刘翠微;视频中人的动作分析与理解[D];北京理工大学;2015年

4 陈萌;基于李代数高斯表示的动作识别方法研究[D];华中科技大学;2016年

5 李拟s，

本文编号：986990