基于Fisher鉴别字典学习的人体行为识别.PDF

基于Fisher鉴别字典学习的 人体行为识别 季冲 王胜 陆建峰* 南京理工大学计算机学院 2016年11月12 日 内容提要 一、研究背景 二、鉴别性稀疏表示方法 三、在动作识别上的应用 四、总结 一、研究背景 二、鉴别性稀疏表示方法 三、在动作识别上的应用 四、总结 一、研究背景 人体行为识别是计算机视觉中的一个重要研究领 域，具有广阔的应用前景。 最近研究发现，稀疏表示在模式分类上得到了很 好的效果，比如人脸识别，纹理识别等。本文研 究了如何将稀疏表示用于人体行为识别。 一、研究背景 二、鉴别性稀疏表示方法 三、在动作识别上的应用 四、总结 二、鉴别性稀疏表示方法 稀疏表示简介 只有少数神经元处于刺激状态 稀疏向量 二、鉴别性稀疏表示方法 稀疏表示模型 2 min{ Y  D }s.t.i, x  T  F i 1 0 字典学习：KSVD，Online算法 求解编码系数：MP，OMP 二、鉴别性稀疏表示方法 为什么要鉴别性稀疏表示？ 目前稀疏表示分类算法问题： （1）从系数中得到一个分类器，没有通过每个 类别的重构误差来进行分类。 （2 ）使用各个类别的重构误差来进行分类，但 没有让稀疏编码系数具有判别信息 二、鉴别性稀疏表示方法 基于Fisher鉴别的字典学习方法 受Fisher判别准则启发： 同类的样本在字典D上的编码系数应该比较接近。 不同类的样本在字典D上的编码系数之间应该离得要远。 二、鉴别性稀疏表示方法 Fisher鉴别稀疏表示模型[1] 损失函数 c r A , D, X  X    i 1 i i 1 1  J( D, X )  arg min  2  ( D, X )  tr S X S X  X  2   W   B   F    类内离散度矩阵 类间离散度矩阵 增强了字典和稀疏表示系数的鉴别能力 [1] Yang M, Zhang L, Feng X, Zhang D. Fisher Discrimination Dictionary Learning for sparse representation[C]//International Conference on Computer Vision, 2011, 24(4):543-550 一、研究背景 二、鉴别性稀疏表示方法 三、在动作识别上的应用 四、总结 三、在动作识别上的应用 运动特征提取