主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
刘法旺,贾云得.基于流形学习与隐条件随机场的人体动作识别.软件学报,2008,19(zk):69-77
基于流形学习与隐条件随机场的人体动作识别
Human Action Recognition Using Manifold Learning and Hidden Conditional Random Fields
投稿时间:2008-05-01  修订日期:2008-11-25
DOI:
中文关键词:  动作识别  流形学习  判别式模型  隐条件随机场
英文关键词:action recognition  manifold learning  discriminative model  hidden conditional random fields
基金项目:Supported by the National Natural Science Foundation of China under Grant No.60675021 (国家自然科学基金); the National High-Tech Research and Development Plan of China under Grant No.2006AA01Z120 (国家高技术研究发展计划(863)
作者单位
刘法旺 北京理工大学 计算机科学技术学院 智能信息技术北京市重点实验室 100081 
贾云得 北京理工大学 计算机科学技术学院 智能信息技术北京市重点实验室 100081 
摘要点击次数: 3484
全文下载次数: 5430
中文摘要:
      提出了一种基于流形学习与隐条件随机场(hidden conditional random fields,简称HCRF)的动作识别方法.算法提取人体剪影作为输入特征,采用有监督的保持邻域嵌入(neighborhood preserving embedding,简称NPE)的子空间学习算法获得高维运动特征的低维流形表示,基于HCRF建模运动特征与动作语义之间的映射关系.在降维过程中,通过保持数据的局部邻接关系,NPE可以获取动作特征在低维流形空间上的本质分布特性.与HMM(hidden Markov model)等产生式模型相比,HCRF侧重从样本数据中抽取共有特征以获取正确的分类边界,不需要假定观测过程条件独立,可以更加自然地对动作的时空邻域关系进行建模.实验结果表明,即便对于特征差异较大或存在噪声干扰的动作序列,算法也能取得较好的识别效果.
英文摘要:
      This paper presents a probabilistic method of human action recognition based on manifold learning and Hidden Conditional Random Fields (HCRF). A supervised Neighborhood Preserving Embedding (NPE) is employed for dimensionality reduction by preserving the local neighborhood structure on the data manifold. Most existing approaches to action recognition use a Hidden Markov Model or suitable variant to model actions; a significant limitation of these models is the requirements of conditional independence of observations. In addition, generative models are selected to maximize the likelihood of generating all the examples of a given class and may not uncover the distinctive configuration that sets one class uniquely against others. HCRF relaxes the independence assumption and classifies actions in a discriminative hidden-state formulation. Experimental results on a recent database have demonstrated that this approach can recognize human actions accurately with temporal, intra- and inter-person variations even when noise and other factors such as partial occlusion exist.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利