基于特征映射的運(yùn)動(dòng)分析與識(shí)別.pdf

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