基于 plsa 的人体动作识别【推荐论文】

基于 plsa 的人体动作识别【推荐论文】

ID:15897378

大小:1.02 MB

页数:12页

时间:2018-08-06

基于 plsa 的人体动作识别【推荐论文】_第1页
基于 plsa 的人体动作识别【推荐论文】_第2页
基于 plsa 的人体动作识别【推荐论文】_第3页
基于 plsa 的人体动作识别【推荐论文】_第4页
基于 plsa 的人体动作识别【推荐论文】_第5页
资源描述:

《基于 plsa 的人体动作识别【推荐论文】》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、精品论文基于pLSA的人体动作识别夏利民,黄金霞,罗大庸(中南大学信息科学与工程学院,湖南长沙410075)5摘要:提出一种基于主题模型的人体动作识别方法。该方法首先提取时空兴趣点(STIP,space-timeinterestpoint)来描述人体运动,然后提出一种时间-梯度直方图(简称T-HOG)算法,该算法对空间梯度直方图(HOG,HistogramoforientedGradients)仅能描述STIP3D区域立方体空间信息的不足进行了弥补,实现对STIP3D区域立方体时间方向变化信息的量化表示,最后使用概率潜在语义分析(pLSA,probabilist

2、icLatentSemanticAnalysis)模型识别人体动10作。同时,针对pLSA隐性主题正确性无法保证的缺点,算法将主题与动作标签“一对一”相关,通过监督方式得到主题,保证了训练中主题的正确性。该算法在KTH人体运动数据库和Weizmann人体动作数据库进行了训练与测试,动作识别结果正确率在91.50%以上。关键词:主题模型;动作识别;时空兴趣点;梯度直方图;隐形主题中图分类号:TP391.41315HumanactionrecognitionbasedonpLSAXIALimin,HUANGJinxia,LUODayong(SchoolofInfor

3、mationScienceandEngineering,CentralSouthUniversity,ChangSha,410075)Abstract:IAhumanactionrecognitionmethodbasedonaprobabilistictopicmodelisproposed.20Firstly,themethodextractsspace-timeinterestpointstodescribehumanmotion,thenpresentsthehistogramoforientedgradientsintimedirection(shor

4、tedforT-HOG)toquantifytheSTIPsurrounding3Dvolumepatch,whichmakesuptheshortageofthespatialhistogramoforientedgradients(HOG)thatonlyreflectsthespatialinformation.Lastlyhumanactionsarerecognizedbyprobabilisticlatentsemanticanalysis(pLSA).Forsolvingtheproblemoflatenttopicsthatarenotguara

5、nteedinpLSA,the25topicsobtainedinsupervisedfashioncorrespondtoactionlabelsonebyone.ActionrecognitionresultswerepresentedonKTHhumanmotiondatasetandWeizmannhumanactiondataset.Ourresultsshowthattherecognitionrateofthealgorithmismorethan91.50%.Keywords:topicmodel;actionrecognition;space-

6、timeinterestpoints;HOG;latenttopic300引言近年来,高层视觉研究的发展为人体动作识别提供技术动力,人体动作识别已经成为计算机领域中备受关注的前沿方向之一。其应用范围包括:机场监控、保安系统、病护监控、人机交互、运动与娱乐分析等。但由于存在背景杂乱、摄像机运动、遮挡、物体几何和光学差异、缩放变化、低空间和时间分辨率等问题,人体动作识别技术仍然是计算机视觉领域的35难点。目前,人体动作识别都大致分为两个步骤:一是底层视频特征提取与表示;二是高层人体动作建模与识别。底层视频特征提取方面,整体运动特征和局部运动特征被广泛应用于动作识别,

7、如人体形状和外貌特征、关节点轨迹、局部兴趣点信息及光学流等。如Boblik和Divis提出MHI(Motionhistoryimage)学习和识别不同的人体动作,Gao和Qia通过检测40和跟踪人体躯干、腿和手臂等特定部位描述学习人体动作。整体特征能够在语义水平上较好基金项目:国家教育部博士点基金项目(20090162110057)作者简介:夏利民(1963--),男,博士生导师,研究方向为图像处理与模式识别、计算机视觉通信联系人:罗大庸(1944--),男,博士生导师,研究领域控制科学与控制工程,发表100多篇学术论文.E-mail:dyluo@mail.cs

8、u.edu.cn-12-

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。