有監(jiān)督的流形學習及其在人體行為識別中的應用.pdf

1、人體行為識別是計算機視覺與模式識別中的研究熱點之一。它在智能視頻監(jiān)控、感知接口和虛擬現(xiàn)實等領域中均有著廣泛的應用前景。在人體行為識別中，一般用一段視頻或者一系列圖像來記錄人體行為，故待處理的數(shù)據(jù)往往具有較高的維數(shù)。然而，高維數(shù)據(jù)不但難以被人們直觀理解，而且在識別階段會導致過高的計算復雜度。所以，研究人體行為數(shù)據(jù)的低維表達，是一項必要且緊迫的工作。經(jīng)典的線性降維方法，譬如PCA等，能夠有效地對數(shù)據(jù)進行壓縮，然而人體行為數(shù)據(jù)具有高度的非線性

2、特征，所以經(jīng)典的線性降維方法不適用于對人體行為數(shù)據(jù)進行降維。為此，我們需要尋求有效的非線性降維方法來處理人體行為數(shù)據(jù)。經(jīng)過研究發(fā)現(xiàn)，非線性的流形學習技術能很好地保持數(shù)據(jù)的非線性性質。然而，經(jīng)典的非線性流形學習算法也不能直接應用于人體行為識別中，其原因有三個方面：第一，在高維空間中，代表不同動作的兩個流形可能相交，所以人體行為數(shù)據(jù)的整體，并不滿足光滑流形的性質；第二，經(jīng)典算法沒有利用類別信息；第三，經(jīng)典算法不能有效地處理樣本集外的數(shù)據(jù)。

3、 本文針對行為數(shù)據(jù)的特點，利用數(shù)據(jù)的類別信息，提出了三種有監(jiān)督的流形學習方法：①從局部保持映射的框架出發(fā)，提出了優(yōu)化的有監(jiān)督局部保持映射算法；②受多維標度分析的啟發(fā)，從流形的整體性質出發(fā)，重構流形平移后的距離結構，提出了有監(jiān)督等距投影算法；③針對流形之間的度量方法，利用線性判別分析（LDA）的思想，提出了基于流形的判別分析。實驗結果表明，本文提出的算法應用于在人體行為識別中，優(yōu)于經(jīng)典的流形學習算法；而在本文提出的算法中，綜合變現(xiàn)最