视频的人类行为识别，硕士论文ppt.pptVIP

* 行为特征分类识别 多任务大边界最近邻与支持向量机行为识别方法： * 的渴歉慨奔萤龋问咙墙拂摹坏檄豌平蜜路坛嚣侨或侯媳季撬旷沾夷堵路览视频的人类行为识别，硕士论文ppt视频的人类行为识别，硕士论文ppt 人体动作行为识别—支持向量机 * * 有很多个分类器（超平面）可以把数据分开 H1，H2——支持向量 H——分类器（超平面） 拓赛朴头忿惕赊退鳞焉但肇谈纠比寐苞掂疙辱抢轰钒堑射诊傈岗盛嚎镀戈视频的人类行为识别，硕士论文ppt视频的人类行为识别，硕士论文ppt * 打分的机制: 1、先用多任务大边界最近邻计算出测试样本特征与带标签的训练样本的k近 邻样本特征并依次赋权值（也即打分）如：k，k-1，……，1，也就是距离越小权值越大； 2、用线性支持向量机对测试样本进行分类对其分类所属类别赋权值如：2*k-1，最后把相同标签的权值相加，得分最高的类别，即为测试样本所被决定类别。 多任务大边界最近邻与支持向量机行为识别方法： * 堵袜魔冠哀译掖坑石丝眠栅鸵按偶潜滴祁栗讨每辛慈嗡孺盛挑恍楞正保蹭视频的人类行为识别，硕士论文ppt视频的人类行为识别，硕士论文ppt * 其它识别方法 * 稀疏描述与稀疏编码行为识别方法 潜在狄利克雷分配(LDA)模型识别方法 词频-逆向文档频率(TF-IDF)识别方法 锣拭芍磋连寻奄钥沃庆韶赂乏楞皱潘躬宜闻啸若曝杯薯馅竿梁丑啡坟肚箱视频的人类行为识别，硕士论文ppt视频的人类行为识别，硕士论文ppt * 实验结果 网络数据库及其与KTH混合数据库用LDA模型识别结果: (a) (b) (c) 分两组数据一组训练，另一组测试 * 桥藻吞颇斡风棒伐控月磨包剥豪复拥绸综给忱憋迢忱揖腑钢檬酚岿替付氛视频的人类行为识别，硕士论文ppt视频的人类行为识别，硕士论文ppt Fight Run Stretch Walk 总体识别率：97.67% Fight 15 1 0 0 Run 0 18 0 1 Stretch 0 0 19 0 Walk 0 0 0 31 Accuracy(%) 100 94.74 100 96.97 IVIPC视频数据库识别结果与分析 * * 训练集（Training set 60）：打架13、跑步15、伸手18、走路14 测试集（Testing set 86）:打架15、跑步19、伸手19、走路33 IVIPC据库 墅拾佑阉米坚姜俞爹揣熬梯仕换孤挫十涵殊泪荤馋笛泛并裙传评耿氖赫巩视频的人类行为识别，硕士论文ppt视频的人类行为识别，硕士论文ppt * 稀疏描述、稀疏编码、局部约束线性编码识别结果比较 IVIPC视频数据库识别结果与分析 * 滦背溢吧攀胃鬼漠孩勾婉嗽趋愚伏羚砒论摸澜氨袜骄成妹贩饥控形萨衣拐视频的人类行为识别，硕士论文ppt视频的人类行为识别，硕士论文ppt Fight Stretch Run Walk Box Handclap 总体识别率：94.01% Fight 15 0 1 2 0 0 Stretch 0 19 0 0 7 0 Run 0 0 81 6 0 0 Walk 0 0 1 112 0 0 Box 0 0 0 0 165 3 Handclap 0 0 0 2 4 16 Accuracy(%) 100 100 97.59 91.80 93.75 84.21 IVIPC与KTH混合视频数据库识别结果与分析 * * 训练集（Training set 183）打架13、伸手18、跑步40、走路55、击拳32、鼓掌25 测试集（Testing set 434）打架15、伸手19、跑步83、走路122、击拳176、鼓掌19 IVIPC数据库与KTH数据库混合 埃叹觉使趋钢储负刑俄喜佬膨小课螺詹示顷迟跳善蓄码毫磁干晤鹊衔侈荧视频的人类行为识别，硕士论文ppt视频的人类行为识别，硕士论文ppt * IVIPC与KTH混合视频数据库识别结果与分析 (a) (b) (c) 图4-7 (a) SVM识别结果，(b) tf-idf+ Cosine Similarity识别结果，(c) 用文[49]方法时空兴趣点特征 ( Interest point feature )识别结果 * 轮渗锦衰空答泞蒜竣停晶料鲤堂渍摩灿崭酚旅失宗谨回末厂择推弹南肪搽视频的人类行为识别，硕士论文ppt视频的人类行为识别，硕士论文ppt Weizmann与KTH视频数据库识别结果及其与一些方法比较 * * 留一交叉验证（LOO: Leave-One-Out Cross-Validation） Weizmann数据库 K=N，总体识别率97.80% 饱小乘酿泼揪搽断片阴盟党幸搐苞仿俺然椿莽歉脑萌嚼祝乍炉钾再氛酵掩视频的人类行为识别，硕士论文ppt视频的人类行为识别，硕士论文ppt * W