面向動作識別的稀疏表示改進算法研究.pdf

1、稀疏表示是一種高效的信號處理技術(shù)，符合人類視覺系統(tǒng)感知外界信息的原理，在計算機視覺的各個研究領(lǐng)域中具有良好的表現(xiàn)。其中，視頻中的人體動作識別在智能監(jiān)控、人機交互和多媒體內(nèi)容分析等領(lǐng)域具有著廣泛的應(yīng)用前景。所以，基于稀疏表示算法的視頻動作識別研究吸引了許多學(xué)者的關(guān)注。動作視頻的特征提取方式種類繁多。理論上，融合多種特征應(yīng)該能夠提高動作識別的正確率，然而事實上由于不同模態(tài)下提取的特征在特征空間中的分布有所不同，單純的將多種特征融合在一起不能

2、達到理想結(jié)果。另一方面，在利用稀疏表示進行視頻動作分類時，不同特征和字典元素對于分類的貢獻是不同的，平等地對待這些元素?zé)o法充分利用它們所包含的信息。
　　本研究主要內(nèi)容包括：⑴針對RGB-D特征融合分別提出了最小重構(gòu)誤差分類方法和最大非零項個數(shù)分類方法。為每種特征學(xué)習(xí)一個獨立的字典，然后得到測試樣本在每種特征下的稀疏表示系數(shù)，最后通過計算融合重構(gòu)誤差和融合非零項個數(shù)實現(xiàn)動作識別。該方法能有效地融合RGB-D特征進行動作識別，同時能

3、夠分析出每種特征在融合過程中的貢獻大小。⑵通過增加特征和字典元素的判別性改進了傳統(tǒng)的稀疏表示分類方法，提出了基于元素判別性感知的稀疏表示分類方法。首先利用特征判別性信息對數(shù)據(jù)進行預(yù)處理，然后對學(xué)習(xí)到的字典，計算出其所有元素的判別性信息。在分類過程中計算出測試樣本特征的判別性信息，最后同時利用特征和字典元素的判別性信息來判定其所屬的動作類別。該方法減小了異常數(shù)據(jù)對于分類結(jié)果的影響，并充分挖掘了特征和字典元素的判別性信息，實驗證明該方法能有