版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、在模式識(shí)別和機(jī)器學(xué)習(xí)領(lǐng)域中,生成式模型中和判別式模型是兩個(gè)重要的識(shí)別方法。而特征映射則提供了一種從生成式模型中提取能夠描述樣本的特征的方法,從而與判別式模型結(jié)合。這種混合生成式模型和判別式模型的方法,不僅擁有生成式模型擅長對(duì)數(shù)據(jù)建模和發(fā)掘隱變量信息的優(yōu)點(diǎn),而且可以利用判別式模型強(qiáng)有力的決定類間邊界的區(qū)分能力。因此在計(jì)算機(jī)視覺中運(yùn)動(dòng)分析與識(shí)別領(lǐng)域,如人體動(dòng)作識(shí)別,場(chǎng)景識(shí)別,人臉識(shí)別,群體運(yùn)動(dòng)分析等,都有著重要的研究潛力和應(yīng)用前景。
2、 在大量閱讀文獻(xiàn)的基礎(chǔ)上,作者對(duì)現(xiàn)有的特征映射方法進(jìn)行做了細(xì)致的分析和研究,并將其擴(kuò)展,提出一種獲得多類特征映射的方法。接下來在人體動(dòng)作識(shí)別,群體運(yùn)動(dòng)分析以及單樣本人臉識(shí)別三個(gè)挑戰(zhàn)性的計(jì)算機(jī)視覺與模式識(shí)別的問題上,通過將生成式模型的特征映射與判別式模型或者聚類分析方法結(jié)合,取得了一些有價(jià)值的實(shí)驗(yàn)結(jié)論:
(1)在人體三維動(dòng)作識(shí)別的問題上,提出來一種在三維人體關(guān)節(jié)點(diǎn)序列上基于特征映射的識(shí)別方法。該方法建立在隱馬爾可夫模型上,與過
3、去方法不同之處在于將隱馬爾可夫模型與判別式模型結(jié)合的方式,這種方式可以提取更有區(qū)別能力的信息。我們將人體多關(guān)節(jié)信息分成多個(gè)有重疊的包含語義信息的子部分,對(duì)每一個(gè)子部分用隱馬爾可夫模型進(jìn)行建模分析,并通過后驗(yàn)分歧的多類擴(kuò)展得到特征映射,最終得到該序列的完整特征映射信息。然后利用支持向量機(jī)對(duì)提取的等維度特征映射向量進(jìn)行訓(xùn)練和分類,進(jìn)而對(duì)序列進(jìn)行識(shí)別。識(shí)別的結(jié)果與已發(fā)表的動(dòng)作識(shí)別算法比較,得到了更好的結(jié)果。
(2)在復(fù)雜場(chǎng)景的群體運(yùn)
4、動(dòng)分析的問題上,提出來一種開發(fā)隱藏信息的基于特征映射的聚類分析方法。該方法建立于從視頻中提取的短軌跡的基礎(chǔ)之上。把群體運(yùn)動(dòng)分析視作一個(gè)從概率角度將長軌跡聚類的過程,實(shí)驗(yàn)證明這種方法效果很魯棒。通過特征映射的應(yīng)用,可以開發(fā)出長軌跡的隱信息,這種隱信息相對(duì)于可觀測(cè)的信息來說,在聚類分析上更為有效,更具區(qū)別性。通過提出的聚類分析方法,可以得到較好的分析結(jié)果。
(3)在單樣本人臉識(shí)別的問題上,提出一種新的基于部分的數(shù)據(jù)表示方法,多子類
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于層次特征映射模型的目標(biāo)識(shí)別.pdf
- 基于運(yùn)動(dòng)特征的目標(biāo)檢測(cè)識(shí)別.pdf
- 運(yùn)動(dòng)觀察腦電特征分析與識(shí)別.pdf
- 基于特征映射的多角度人臉表情識(shí)別.pdf
- 基于運(yùn)動(dòng)特征的疲勞識(shí)別研究.pdf
- 上肢運(yùn)動(dòng)腦電特征的有效性分析與運(yùn)動(dòng)方向識(shí)別.pdf
- 基于CCD運(yùn)動(dòng)棋盤格特征點(diǎn)的識(shí)別.pdf
- 基于特征信息映射算法的人臉識(shí)別系統(tǒng)研究與設(shè)計(jì).pdf
- 基于局部特征分析的虹膜識(shí)別.pdf
- 基于目標(biāo)標(biāo)識(shí)特征分析和匹配的視頻運(yùn)動(dòng)目標(biāo)識(shí)別.pdf
- 基于特征速度的運(yùn)動(dòng)物體識(shí)別研究.pdf
- 基于特征配準(zhǔn)的運(yùn)動(dòng)目標(biāo)跟蹤與識(shí)別技術(shù)研究.pdf
- 基于視覺的運(yùn)動(dòng)人體特征描述與行為識(shí)別研究.pdf
- 基于拉普拉斯特征映射的人耳識(shí)別算法研究.pdf
- 基于定性映射與轉(zhuǎn)化程度函數(shù)的漢字識(shí)別.pdf
- 基于Gabor特征的疲勞識(shí)別和分析.pdf
- 基于雙目的人體運(yùn)動(dòng)分析與識(shí)別.pdf
- 一種基于特征與極性映射方法的觀點(diǎn)分析系統(tǒng)的研究與設(shè)計(jì).pdf
- 基于人體運(yùn)動(dòng)特征的異常行為檢測(cè)和姿態(tài)識(shí)別.pdf
- 基于密集軌跡特征的人體運(yùn)動(dòng)識(shí)別研究.pdf
評(píng)論
0/150
提交評(píng)論