导　　师： 杨晓伟

授予学位： 硕士

作　　者： (）;

机构地区： 华南理工大学

摘　　要： 考虑到视频中人的动作速度不同,以及目前视频人的动作识别领域中主流方法不使用未知标签数据信息的现状,本文提出了一种基于半监督学习的多尺度人体行为识别算法框架。首先,本文在视频中提取了长度为L和2L的改进的密集轨道特征,并用hog、hof和mbh描述符描述这些轨迹。然后对不同尺度下的视频轨迹进行编码,得到相应的视频表示。在半监督学习下,不同尺度下的视频表示对应于不同的视图。最后,本文利用协同EM算法有效地利用未知标签的视频数据信息,提高模型的适应性和识别效率。本文在KTH和HMDB51两个标准动作数据集进行了大量的实验,验证了算法的有效性。实验结果表明,在HMDB51上,本文方法取得了可以和最新方法相比的方法。而在KTH数据集上本文的方法有一定的优势,取得了较好的识别效果。更多还原

关 键 词： 行为识别 视频特征提取 不同长度 [7386071]半监督学习

分 类 号： [TP391.41;TP181]

领　　域： [] []