基于多特征融合和分层反向传播增强算法的人体动作识别

摘要：

为了推广神经网络在人体动作识别中的应用，设计了一种基于分层识别框架和增强算法的动作识别系统，该系统融合了光流直方图、有向梯度直方图、Hu的矩特征、分块剪影和自相似矩阵等多种特征。为了与反向传播网络的增强相匹配，将传统的二分类增强算法扩展到多分类版本。此外，系统采用了包含预判决和后判决的分层识别框架，前者通过分析运动显著区域的位置，把动作粗分为几个子类，后者则利用额外的特征进一步提高识别准确率。基于Weizmann和KTH数据库的实验结果表明：神经网络相对于常用的支持向量机具有明显的优越性；结合分层识别的反向传播增强算法可以极大减少运算代价与动作类间的混淆，识别准确率较高。

关键词：特征提取、动作识别、反向传播增强算法、神经网络、分层识别

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目60971098;国家自然科学基金青年基金资助项目61302152．

在线出版日期：2014-07-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：493-498