10.16652/j.issn.1004-373x.2016.15.010
复杂场景下面向时空模糊性的人体动作检测方案研究
与严格受控环境下传统的人体动作检测不同,进行复杂场景下的动作检测时由于背景带有噪声、人体遮挡和跟踪不全导致空间和时间边界存在时空模糊性。现有的动作检测方案无法有效解决这一问题,为此,首先采用运动历史图像特征和外观特征对人体运动进行区分,然后将一个动作的候选区域看成是一个实例包,提出模拟退火多实例学习支持向量机(SMILE?SVM)算法实现人体动作检测。仿真结果表明,该算法在公共的CMU运动数据集上的性能优于现有算法。另外,还提出了一种超市客户意图检测系统,可检测拥挤的超市中客户是否有意从货架上取货,对于商家研究客户兴趣具有重大价值。
人体动作检测、时空模糊性、运动历史图像特征、外观特征、多实例学习
39
TN911.73-34;TP391
国家自然科学基金61402410/F020501
2016-08-04(万方平台首次上网日期,不代表论文的发表时间)
共6页
38-42,46