加权SVDD算法在人体姿态估计中的研究与应用

摘要：

支持向量数据描述(SVDD)算法是解决单类分类问题的最好方法之一,在人体姿态估计问题中获得了成功的应用,在建立部位外观模型方面取得了良好的效果,但现有利用SVDD算法建立的部位外观模型将所有训练样本和样本不同特征都平等对待.为克服存在的这两个缺陷,提出了一种样本和特征加权的SVDD算法,并用其建立了一种基于样本和特征加权SVDD算法的部位外观模型.样本的权重系数根据样本到样本中心的距离远近来确定,样本特征的权重系数根据特征对应图像区域被训练图像中真实人体部位包含次数的多少来确定.仿真实验结果表明所建立的部位外观模型比利用标准SVDD算法建立的部位外观模型能更准确地描述真实人体部位的外观,能得到更高的人体姿态估计准确度.

关键词：人体姿态估计、部位外观模型、支持向量数据描述、梯度方向直方图、权重系数

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2017-08-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：132-136