基于自学习特征与HMM的人体动作识别
利用机器视觉进行人体动作识别的方法大多数基于手工特征并需要先验知识,这类方法不可避免地依赖于特定问题而忽略了视觉信息的内在结构.提出了一种利用自学习特征及姿态组合规则进行有效动作识别的新方法.使用稀疏自编码(SAE)网络提取轮廓图像的结构特征并构造姿态码本.在识别阶段,使用隐马可夫模型(HMM)训练不同动作类别的模型.设计了一种关键帧提取算法用于在训练HMM前降低长序列的冗余度.通过仿真实验验证了该方法的有效性.
动作识别、自学习特征、SAE、HMM、姿态码本
27
TP391.1(计算技术、计算机技术)
2015-10-29(万方平台首次上网日期,不代表论文的发表时间)
1782-1789,1795