基于高斯过程隐变量模型和条件随机场的人体动作识别

扫码查看

原文链接

NETL

中文摘要：由于人体动作特征多与时空相关,当前人体动作识别技术仍然面临空间复杂性、时间差异性等问题.本文结合基于流形学习的稀疏近似和人体动作的动态特性,提出基于改进高斯过程隐变量模型(GPLVM)的人体动作特征提取和降维方法,提高了人体动作特征可视化效果及计算效率;设计了基于潜层动态条件随机场(LDCRF)的人体动作分类器,对时序运动特征进行识别.在公开的CMU人体运动数据库和微软MSR Action3D库上的实验表明,所提出的算法与现有算法相比,具有更高的识别率和鲁棒性.

作者：

Cai Linqin、蔡林沁、Liu Xiaolin、刘晓林、Ding He'en、丁和恩、Hong Yang、洪洋

展开 >

作者单位：

重庆邮电大学工业物联网和网络化控制教育部重点实验室重庆 400065

关键词：

人体动作图像识别流形学习条件随机场高斯过程隐变量模型

主办单位：

中国计算机学会

中国自动化学会

中国图学学会

中国图像图形学会

中国系统仿真学会

会议名称：

2017中国计算机辅助设计与图形学大会（2017 China CAD&CG）

会议时间：

2017-10-12

会议地点：

天津

会议母体文献：

2017中国计算机辅助设计与图形学大会（2017 China CAD&CG）论文集

页码：

1-12

出版时间：

2017