基于视图间鉴别相关性分析的手语图像识别
典型相关性分析及其改进方法(Canonical Correlation Analysis,CCA)是被广泛运用于多视图特征学习的技术,但目前普遍存在的相关性分析方法并没有有效利用视图间信息,忽视了隐藏在图像内部的鉴别相关性.为了解决这一问题,提出基于视图间鉴别相关性分析(Between-View Discriminant Correlation Analysis,BVDCA)的手语图像识别算法.BVDCA在不同视图间最大化类内相关性信息,最小化类间相关性信息,从而可以达到鉴别分类的目的.进一步地,考虑到手语图像包含大量的非线性特征,提出基于核化的视图间鉴别相关性分析(Kernel Between-View Discriminant Correlation Analysis,KBVDCA),以解决线性不可分的目的.在手语图像数据集的实验结果验证了二者的有效性.
手语识别、多视图、相关性分析、鉴别分析、非线性特征
16
TP391(计算技术、计算机技术)
湖南省教育厅科学研究项目17C0195
2020-06-17（万方平台首次上网日期，不代表论文的发表时间）
共3页
19-21
