基于跨域字典学习算法的人体行为识别

摘要：

将一种跨域字典学习算法应用于人体行为识别中，通过引入辅助域数据集，与原始训练集(目标域)共同进行字典学习，获得字典对，进而得到动作类的稀疏编码，有效扩充了训练集的类内多样性。该算法为字典学习与训练分类相结合的学习框架，可利用字典对学习过程中的重建误差进行分类。实验在 MATLAB 仿真条件下进行，将 UCF YouTube 数据集作为原始训练集，将 HMDB51数据集作为辅助域数据集，选取两个数据集动作类别一致的7个动作，根据提出的算法流程进行识别。将该方法与其他两种人体行为识别算法进行对比。结果表明，该方法识别率显著提高，证明了跨域字典学习算法在人体行为识别上的有效性。

关键词：人体行为识别、密集点轨迹、跨域字典学习、稀疏编码

所属期刊栏目：54

分类号：TP391(计算技术、计算机技术)

资助基金：吉林省教育厅“十三五”规划项目吉教科合字[2016]第349号

在线出版日期：2016-08-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：845-851