基于深度视频的人体行为特征表示与识别
深度视频中的人体行为的识别研究主要集中在对深度视频进行特征表示上,为了获得具有判别性的特征表示,首先提出了深度视频中一种基于表面法向信息的局部二值模式( local binary pattern, LBP)算子作为初级特征,然后基于稀疏表示模型训练初级特征字典,获取初级特征的稀疏表示,最后对用自适应的时空金字塔划分的若干个子序列使用时空池化方法进行初级特征与稀疏系数的规格化,得到深度视频的高级特征,最终的特征表示实现了深度视频中的准确的人体行为识别。在公开的动作识别库MSR Action3D和手势识别库MSR Gesture3D上的实验证明了本文提出的特征表示的有效性和优越性。
深度视频、行为识别、深度序列分割、局部二值模式算子、稀疏表示
42
U461;TP308(汽车工程)
国家自然科学基金资助项目61370119
2016-08-02(万方平台首次上网日期,不代表论文的发表时间)
共8页
1001-1008