10.3969/j.issn.1003-3254.2011.02.037
基于W2KPCA-KNN算法的人体异常行为识别
基于视觉的人体异常行为识别在特征提取时通常采用简单的形状运动信息或传统PCA方法,前者信息量不足而后者忽略了数据中的非线性信息,因此将核主成分分析(KPCA)运用于人体异常行为识别解决了以上问题.针对KPCA提取异常行为特征时存在的不足,提出了W2KPCA-KNN算法,即在特征提取和分类两个阶段均进行相应加权运算,在保留行为图像信息的基础上,提高了识别的精度,有效满足了异常行为识别系统的技术要求.通过实验比对可知该算法效果在特征提取和分类方面均优于传统核主成分分析法以及最近邻分类器.
PCA、KPCA、KNN、人体异常行为、加权运算
20
TP3;F29
浙江省自然科学基金20080376
2011-06-27(万方平台首次上网日期,不代表论文的发表时间)
共4页
157-160