层级随机森林算法及其在人体活动识别应用研究-控制工程专业论文.docxVIP

万方数据 万方数据 HIERARCHY RANDOM FOREST AND ITS APPLICATION IN HUMAN ACTIVITY RECOGNITION A Master Thesis Submitted to University of Electronic Science and Technology of China Major: Computer Techno logy Author: Zhaoyu Wa ng Advisor: Hong Che ng School : School o f Auto matio n Eng ine e ring 独 创 性 声 明 本人声明所呈交的学位论文是本人在导师指导下进行的研究 工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢 的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也 不包含为获得电子科技大学或其它教育机构的学位或证书而使用 过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论 文中作了明确的说明并表示谢意。 签名： 日期： 年 月 日 关于论文使用授权的说明 本学位论文作者完全了解电子科技大学有关保留、使用学位论 文的规定，有权保留并向国家有关部门或机构送交论文的复印件和 磁盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位 论文的全部或部分内容编入有关数据库进行检索，可以采用影印、 缩印或扫描等复制手段保存、汇编学位论文。 （保密的学位论文在解密后应遵守此规定） 签名： 导师签名： 日期： 年 月 日 摘要 摘要 摘 要 随着生活节奏的加快，网络化的普及，高级人机交互和虚拟现实等应用对当前 技术发展提出了更高的要求。人体活动识别是指从一段包含人体活动的视频或图 片序列中对人体进行检测、识别、跟踪并进行分析描述。由于其广泛的应用前景， 人类活动识别在许多新兴领域及交叉领域潜在的商业价值，正在逐渐成为计算机 视觉领域中的研究热点。 随机森林算法是一种新型的分类和预测模型算法。作为一种优秀的集成算法， 随机森林由于其计算速度快、抗噪声能力强、可以自然处理多类问题，自然避免 过拟合等多方面的优势，成为了计算机视觉中的新兴热点。此外，随机森林算法 在诸如生物学、经济学、医学等多领域以及交叉领域得到了广泛的应用。 首先，本文改进了传统的随机森林的分类方法，提出了一种层级随机森林分类 方法，并运用于人体活动识别。我们采用时间空间兴趣点来表征样本特征，随机 的训练多个弱分类器，随后基于类之间的差异信息将顶层分类器的特征子集再度 构建底层弱分类器，并将这些弱分类器集成起来构建随机森林。我们称之为层级 随机森林分类器。我们对该算法进行了详细的分析和推导，给出了算法流程,并在 KTH 等数据集上进行了实验，表明了层级随机森林分类算法在活动识别中的有效 性和稳定性。 其次，本文针对实际应用中的不平衡问题进行了研究。通过人为模拟几种 数据缺失数据库，探讨了不平衡问题对随机森林算法性能的影响。随后，将层 级随机森林算法与随机森林在不平衡数据库上进行了实验，实验结果的分析比 较表明层级随机森林在一定程度上改善了不平衡问题对随机森林性能的影响。 关键词：层级随机森林，集成学习，人体活动识别，不平衡问题 I A ABSTRACT ABSTRACT As life goes faster, with the popularization of internet, people have raised higher demands on applications such as advanced human-machine interaction and virtual reality. Human activity recognition is to detect, recognize, track and finally make an analysis and description of human activity from a series of videos or images that contain human body. Human activity recognition has a really extensive application foreground and a great commercial potential in many new fields and cross- fields, and has become one of the hottest research topic in computer vision. Random forest is a new classification and