人体行为识别的Markov随机游走半监督学习方法

摘要：

针对目前人体行为识别方法大都需要大量有标注样本的问题,提出一种基于Markov随机游走的半监督人体行为识别算法.首先提取序列图像各帧人体区域的网格统计特征,再采用基于对手惩罚策略的竞争神经网络对其进行聚类和编码,将图像序列表示的人体行为变换为符号序列；然后根据行为之间的归一化编辑距离建立已标注行为、未标注行为和类别之间的Markov链,并采用Markov随机游走过程来预测未标注行为的类别；最后采用最大后验概率准则对观测到的未知行为进行分类.对Weizmann数据集中人体行为的识别实验结果表明,该方法是一种有效的人体行为识别方法,在标注样本很少的情况下平均识别精度可以超过80％.

关键词：人体行为识别、编辑距离、Markov随机游走、半监督学习

所属期刊栏目：23

分类号：TP391.41(计算技术、计算机技术)

资助基金：中央高校基本科研业务费专项资金10QG21

在线出版日期：2012-02-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1749-1757