%0 Journal Article
%T 多层独立子空间分析时空特征的人体行为识别方法<br>Extracting Spatio-temporal Features via Multi-layer Independent Subspace Analysis for Action Recognition
%A 瞿涛
%A 邓德祥
%A 刘慧
%A 邹炼
%A 刘弋锋&lt
%A br&gt
%A QU Tao
%A DENG Dexiang
%A LIU Hui
%A ZOU Lian
%A LIU Yifeng
%J 武汉大学学报·信息科学版
%D 2016
%R 10.13203/j.whugis20140581
%X 人体行为识别在视频监控、医疗诊断等领域都有重要的意义。目前人体识别的主要方法是将人为设计的二维特征扩展到三维空间,或利用运动轨迹,提取出时空特征。基于深度学习的思想,直接在三维空间中构建多层神经网络,从大量的视频数据中学习不同行为的时空特征。首先,采用独立子空间分析(independent subspace analysis,ISA)方法,构造两层卷积叠加神经网络,从训练视频中学习网络权重。然后,对特征使用K-means聚类,转化为视觉单词,根据视觉单词频率直方图计算支持向量机模型(support vector machine,SVM)判决超平面,最后对待分析视频进行动作分类。使用该方法对Hollywood2数据库的12种行为进行实验,结果表明,ISA学习到的特征权重与Gabor滤波器类似,对图像频率和方向具有明显的选择性,对相位变化具有鲁棒性,能够显著提高认为识别的正确率,符合人眼的视觉特征
%K 卷积叠加
%K 独立子空间分析
%K 多层网络
%K 无监督学习
%K 深度学习
%K 人体行为识别
%K &lt
%K br&gt
%K stack and convolution
%K independent subspace analysis
%K multi-layer neural network
%K unsupervised learning
%K deep learning
%K human action recognition
%U http://ch.whu.edu.cn/CN/abstract/abstract5416.shtml