动作识别训练数据的扩展研究.pdfVIP

总第 253期 计算机与数字工程 Vo1．38No．11 2010年第 11期 Computer DigitalEngineering 22 动作识别训练数据 的扩展研 究 马廷淮” 葛 荐” 王亚里。 (南京信息工程大学计算机与软件学院” 南京 210044)(南京信息工程大学电子与信息工程学院 南京 210044) 摘 要 动作识别是康复中心研究领域的一个热门话题。机器学习是动作识别的一个重要方面。由于样本标注需要 付出诸多人工努力，所以被标注的样本数量是有限的。而未被标注样本数量是庞大缘于它容易获取，无需人为注解。训练 数据是基于半监督学习动作识别的核心。文章将着重强调数据选择策略和扩展度，这也是训练数据选择的基础。文章结合 已标注的有限样本，利用未被标注样本来提高动作识别的精度。 关键词 动作识别；半监督学习；数据选择策略；扩展度 中图分类号 TP391．4l Studyon Extension ofTrainingDataforActivityRecognition MaTinghuai GeJian W angYali。 (SchoolofComputer Software．NanjingUniversityofInformationScience Technology”．Nanjing 210044) (SchoolofElectronic＆InformationEngineering．NaNingUniversityofInfommtionScience8．Technology ．Na@ng 210044) Abstract ActivityrecognitionisahottopicinHealthcare．Machinelearningisakeyaspectinactivityrecognition． Sincethenumberof1abeledsamplesislimitedbecausetheyrequiretheeffortsofhumanannotators，whilethenumberofun— labelleddataishugebecausetheyareeasytOgetwithouthuman’Slabelingeffort．Thetrainingdataisthecentreofthesemi— supervisedbasedactivityrecognition．Thispaperemphasizetheselectionstrategyandenlargedegree，whicharethebasicof thetrainingdataselection．Thispaperprovideamethodtoutilizetheavailableunlabeledsamplestoenhancetheperformance ofactivitylearningwithalimitednumberoflabeledsamples． KeyWords activityrecognition，semi—supervisedlearning，dataselectionstrategy，enlargedegree ClassNumber TP39】．4】 必要的时候发送消息。 1 引言 机器学习是动作识别中一个重要方面。对于 康复中心通常在智能家居环境 中有着广泛应 一 个能 自动推断何种动作正在执行的系统，它必须 用，吸引了很多研究人员的注意L1 。监视是康复 设计一个基于动作的详细模型，这个模型是用机器 中心的基本功能。监视意味着能够识别年长者的 学习方法来训练产生的。但是训练数据 的不足对 动作活动，比如走动、坐下、躺着等等。动作识别的 于模型训练来说是很有挑战性 的。PlaceLab项 目的就是通过一些传感器获