基于多特征融合和分层反向传播增强算法的人体动作识别-东南大学学报.pdfVIP

第４４卷第３期 东南大学学报（自然科 学版 ） Ｖｏｌ．４４ Ｎｏ．３ 　 ２０１４年５月 ＪＯＵＲＮＡＬＯＦＳＯＵＴＨＥＡＳＴＵＮＩＶＥＲＳＩＴＹ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ） 　 Ｍａｙ２０１４ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１－０５０５．２０１４．０３．００８ 基于多特征融合和分层反向传播 增强算法的人体动作识别 李拟臖　 程　旭　 郭海燕　 吴镇扬 （东南大学信息科学与工程学院，南京２１００９６） 摘要：为了推广神经网络在人体动作识别中的应用，设计了一种基于分层识别框架和增强算法 的动作识别系统，该系统融合了光流直方图、有向梯度直方图、Ｈｕ的矩特征、分块剪影和自相似 矩阵等多种特征．为了与反向传播网络的增强相匹配，将传统的二分类增强算法扩展到多分类版 本．此外，系统采用了包含预判决和后判决的分层识别框架，前者通过分析运动显著区域的位置， 把动作粗分为几个子类，后者则利用额外的特征进一步提高识别准确率．基于Ｗｅｉｚｍａｎｎ和ＫＴＨ 数据库的实验结果表明：神经网络相对于常用的支持向量机具有明显的优越性；结合分层识别的 反向传播增强算法可以极大减少运算代价与动作类间的混淆，识别准确率较高． 关键词：特征提取；动作识别；反向传播增强算法；神经网络；分层识别 中图分类号：ＴＰ３９１４　　文献标志码：Ａ　　文章编号：１００１－０５０５（２０１４）０３０４９３０６ Ｈｕｍａｎａｃｔｉｏｎｒｅｃｏｇｎｉｔｉｏｎｂａｓｅｄｏｎｍｕｌｔｉｆｅａｔｕｒｅｆｕｓｉｏｎ ａｎｄｈｉｅｒａｒｃｈｉｃａｌＢＰＡｄａＢｏｏｓｔａｌｇｏｒｉｔｈｍ ＬｉＮｉｊｕｎ　 ＣｈｅｎｇＸｕ　 ＧｕｏＨａｉｙａｎ　 ＷｕＺｈｅｎｙａｎｇ （ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００９６，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｏｐｏｐｕｌａｒｉｚｅｔｈｅａｐｐｌｉｃａｔｉｏｎｏｆｎｅｕｒａｌｎｅｔｗｏｒｋｉｎｈｕｍａｎａｃｔｉｏｎｒｅｃｏｇｎｉｔｉｏｎ，ａｎａｃｔｉｏｎ ｒｅｃｏｇｎｉｔｉｏｎｓｙｓｔｅｍｂａｓｅｄｏｎｔｈｅｈｉｅｒａｒｃｈｉｃａｌｒｅｃｏｇｎｉｔｉｏｎｆｒａｍｅｗｏｒｋａｎｄｔｈｅｂｏｏｓｔｉｎｇａｌｇｏｒｉｔｈｍｉｓｄｅ ｓｉｇｎｅｄ，ｗｈｉｃｈｍｉｘｅｓｔｏｇｅｔｈｅｒｍｕｌｔｉｐｌｅｆｅａｔｕｒｅｓｓｕｃｈａｓｈｉｓｔｏｇｒａｍｓｏｆｏｐｔｉｃａｌｆｌｏｗ，ｈｉｓｔｏｇｒａｍｓｏｆｏｒｉ ｅｎｔｅｄｇｒａｄｉｅｎｔｓ，Ｈｕ’ｓｍｏｍｅｎｔｓ，ｂｌｏｃｋｓｉｌｈｏｕｅｔｔｅｓａｎｄｓｅｌｆｓｉｍｉｌａｒｉｔｙｍａｔｒｉｃｅｓ．Ｔｏｆｉｔｗｉｔｈｔｈｅｂｏｏｓ ｔｉｎｇｏｆｂａｃｋｐｒｏｐａｇａｔｉｏｎ（ＢＰ）ｎｅｔｗｏｒｋｓ，ｔｈｅｓｔａｎｄａｒｄｂｉｎａｒｙＡｄａＢｏｏｓｔａｌｇｏｒｉｔｈｍｉｓｅｘｔｅｎｄｅｄｔｏａ ｍｕｌｔｉｃｌａｓｓｖｅｒｓｉｏｎ．Ｂｅｓｉｄｅｓ，ｔｈｉｓｓｙｓｔｅｍａｄｏｐｔｓａｈｉｅｒａｒｃｈｉｃａｌｒｅｃｏｇｎｉｔｉｏｎｆｒａｍｅｗｏｒｋｃｏｎｓｉｓｔｉｎｇｏｆ ｐｒｅｄｅｃｉｓｉｏｎａｎｄｐｏｓｔｄｅｃｉｓｉｏｎ．Ｔｈｅｆｏｒｍｅｒｃａｎｒｏｕｇｈｌｙｃｌａｓｓｉｆｙｔｈｅａｃｔｉｏｎｓｉｎｔｏｓｅｖｅｒａｌｓｕｂｃａｔｅｇｏｒｉｅｓ ｂｙａｎａｌｙｚｉｎｇｔｈｅｌｏｃａｔｉｏｎｓｏｆｍｏｔｉｏｎｓａｌｉｅｎｔｒｅｇｉｏｎｓ，ｗｈｅｒｅａｓｔｈｅｌａｔｔｅｒｅｘｐｌｏｉｔｓｅｘｔｒａｆｅａｔｕｒｅｓｔｏｆｕｒ ｔｈｅｒｅｎｈａｎｃｅｒｅｃｏｇｎｉｔｉｏｎａｃｃｕｒａｃｙ．ＴｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｏｎＷｅｉｚｍａｎｎａｎｄＫＴＨｄａｔａｓｅｔｓｓｈｏｗ ｔｈａｔｎｅｕｒａｌｎｅｔｗｏｒｋｓｅｘｈｉｂｉｔｏｂｖｉｏｕｓａｄｖａｎｔａｇｅｓｏｖｅｒｔｈｅｐｏｐｕｌａｒｓｕｐｐｏｒｔｖｅｃｔｏｒｍａ