10.11896/j.issn.1002-137X.2017.02.052
基于L2,1范数稀疏特征选择和超法向量的深度图像序列行为识别
结合L2.1范数稀疏特征选择和超法向量提出了一种新的深度图像序列行为识别方法.首先从深度图像序列中提取超法向量特征;然后利用L2,1范数稀疏特征选择方法从超法向量特征中选择出最具判别性的稀疏特征子集作为特征表示;最后利用线性分类器Liblinear进行分类.在MSR Action3D数据库上的实验结果表明,所提方法使用2%的超法向量特征获得的识别率为94.55%,并且具有比其他方法更高的识别精度.
行为识别、深度图像序列、超法向量、稀疏特征选择、L2、1范数
44
TP391(计算技术、计算机技术)
国家自然科学基金U1504611,61272282;河南省教育厅科学技术研究重点项目15A520010
2017-04-10(万方平台首次上网日期,不代表论文的发表时间)
共4页
306-308,323