基于动静态特征结合的改进模糊支持向量机行为识别.pdf

基于动静态特征结合的改进模糊支持向量机行为识别.pdf

ID:49229153

大小:345.25 KB

页数:6页

时间:2020-02-28

基于动静态特征结合的改进模糊支持向量机行为识别.pdf_第1页
基于动静态特征结合的改进模糊支持向量机行为识别.pdf_第2页
基于动静态特征结合的改进模糊支持向量机行为识别.pdf_第3页
基于动静态特征结合的改进模糊支持向量机行为识别.pdf_第4页
基于动静态特征结合的改进模糊支持向量机行为识别.pdf_第5页
资源描述:

《基于动静态特征结合的改进模糊支持向量机行为识别.pdf》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、2017年第31卷第2期测试技术学报Vol.31No.22017(总第122期)JOURNALOFTESTANDMEASUREMENTTECHNOLOGY(SumNo.122)文章编号:1671-7449(2017)02-0125-06基于动静态特征结合的改进模糊支持向量机行为识别①王向东,张丽红(山西大学物理电子工程学院,山西太原030006)摘要:为了进一步提高行为识别的准确率,将视频中行为的动态特征和静态特征结合起来,应用一种改进的模糊支持向量机(FSVM)方法进行识别,该方法中采用一种新的隶属度确定方法,考虑了样本与类中心的距离以及样本与样本之间的紧密度关系;同时对支持向量机中靠近支

2、持向量的难以识别的样本使用K近邻法识别.在KTH图像数据集上进行实验,将支持向量机与改进的模糊支持向量机两种识别方法进行比较,改进的模糊支持向量机在各类行为识别上取得了较高的识别率.关键词:动态特征;静态特征;模糊支持向量机;K近邻法;行为识别中图分类号:TP18文献标识码:Adoi:10.3969/j.issn.1671-7449.2017.02.006BehaviorRecognitionBasedonImprovedFSVMEmployingDynamicandStaticCharacteristicsWANGXiangdong,ZHANGLihong(CollegeofPhysics

3、andElectronicEngineering,ShanxiUniversity,Taiyuan030006,China)Abstract:Inordertoimprovetheaccuracyinbehaviorrecognition,wedynamicandstaticcharacteris-ticsofbehaviorinvideowereextracteddynamicandstaticcharacteristicsofbehaviorinvideo,andanimprovedrecognitionalgorithmoffuzzysupportvectormachine(FSVM)

4、wereproposed,whileusinganewmethodforthedeterminationofmembershipdegree,consideringthedistancebetweensamplesandthecenteroftheclass,alsotakingtherelationofthesampletightnessintoaccount.Andforthesamplesnearthesupportvectorsthataredifficulttoidentify,theKneighbormethodofidentificationisem-ployed.Experi

5、mentsonKTHimagedatasetsareperformed,andtheresultsusingthesupportvectormachineandimprovedfuzzysupportvectormachinearecompared,thelattermethodhasahigherrecog-nitionrate.Keywords:dynamiccharacteristic;staticcharacteristic;FSVM;Kneighbor;behaviorrecognition0引言近年来,人体行为识别已成为图像处理、模式识别中的研究热点.它在虚拟现实、图像检索、视频

6、检索、视频监控等领域具有广泛的应用价值.但是,由于真实环境的复杂性,行为序列的非刚性等特点使收稿日期:2016-12-25①基金项目:山西省科技攻关计划(工业)资助项目(2015031003-1)作者简介:王向东(1992-),男,硕士,主要从事图像处理、模式识别研究.126测试技术学报2017年第2期[1]得人体行为识别成为一个具有挑战性的研究领域.目前主要有两种行为识别的方法:基于模板匹配的方法和状态空间法.第一种方法首先将图像序列转换为一组静态模式,提取特征后与提前存储的特征进行比较.其优点是实现简单、计算量小,缺点是识别率低;第二种方法首先定义每个静态姿势作为一个运动状态,所有这些状

7、态之间通过概率联系起来.任何运动序列都可以看成是这些静态姿势的不同状态之间的一次遍历过程,然后在这些遍历期间计算它们的联合概率,并且将最大值作为分类行为的标准.其优点是识别率高、但计算量大,不能够对视频监控中的异常行为进行实时识别.[2]模板匹配行为识别的关键步骤为:①进行特征提取;②进行特征识别.行为识别其实也就是特征[3]的识别.Hu矩特征对形状的描述比较充分,但它只描述了图像的静态信息,没有涉及图像的动

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。