基于改进信息增益的人体动作识别视觉词典建立

摘要：

针对词袋(BoW)模型方法基于信息增益的视觉词典建立方法未考虑词频对动作识别的影响,为提高动作识别准确率,提出了基于改进信息增益建立视觉词典的方法.首先,基于3D Harris提取人体动作视频时空兴趣点并利用K均值聚类建立初始视觉词典;然后引入类内词频集中度和类间词频分散度改进信息增益,计算初始词典中词汇的改进信息增益,选择改进信息增益大的视觉词汇建立新的视觉词典;最后基于支持向量机(SVM)采用改进信息增益建立的视觉词典进行人体动作识别.采用KTH和Weizmann人体动作数据库进行实验验证.相比传统信息增益,两个数据库利用改进信息增益建立的视觉词典动作识别准确率分别提高了1.67％和3.45％.实验结果表明,提出的基于改进信息增益的视觉词典建立方法能够选择动作识别能力强的视觉词汇,提高动作识别准确率.

关键词：人体动作识别、词袋模型、信息增益、词频

所属期刊栏目：37

分类号：TP391.4;TN911.73(计算技术、计算机技术)

资助基金：the National Natural Science Foundation of China 61340056.国家自然科学基金资助项目61340056

在线出版日期：2017-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2240-2243,2263