基于HMM的动作识别结果可信度计算方法

摘要：

针对当前动作识别可信度计算方法中混淆率高、不适用于迁移学习等问题,提出一种基于样本上下文信息的可信度计算方法(S-HMM,sliding windows hidden Markov model).该方法使用隐马尔可夫模型(HMM,hidden Markov model)理论对识别结果序列建模,将样本所在序列识别正确的概率作为识别结果的可信度,避免了当前可信度计算方法依赖于样本在特征空间中分布的问题.实验使用真实场景中的数据进行仿真,结果表明,与现有方法相比,该方法可将可信度混淆率降低37％左右.

关键词：动作识别、隐马尔可夫模型、混淆率、可信度

所属期刊栏目：37

分类号：TP399(计算技术、计算机技术)

资助基金：高等学校博士学科点专项科研基金资助项目20120031110035;天津市重大科技专项基金资助项目13ZCZDGX01098;Research Fund for the Doctoral Program of Higher Education of China20120031110035;The Key Project in Tianjin Science & Technology Pillar Program13ZCZDGX01098

在线出版日期：2016-07-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：143-151