LASRCODP降维算法在行为识别中的应用.PDF

第３５卷第１１期 计 算 机 应 用 研 究 Ｖｏｌ３５Ｎｏ１１ ２０１８年１１月　 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ｎｏｖ．２０１８ ＬＡＳＲＣＯＤＰ降维算法在行为识别中的应用 ａ，ｂ ａ，ｂ 简献忠 ，贺士霖 （上海理工大学ａ．光电信息与计算机工程学院；ｂ．上海市现代光学系统重点实验室，上海２０００９３） 摘　要：针对分类识别算法在行为识别中存在识别率低和实时性差的问题，提出了一种线性近似稀疏表示分类 的正交鉴别投影（ＬＡＳＲＣＯＤＰ）算法用于行为识别。ＬＡＳＲＣＯＤＰ算法将高维数据投影到低维空间时，最小化类 内残差和最大化类间残差，同时利用投影矩阵的正交约束来增强鉴别结果；与 ＬＡＳＲＣ分类相结合，将训练样本 构成过完备字典，利用Ｌ范数求解稀疏系数，优化了求解复杂度、加快了计算速度，得到特征更易区分的样本、最 ２ 后根据Ｌ范数和残差找出对应类别，保证了强鲁棒性。采用ＫＴＨ行为数据库进行实验，可使ＬＡＳＲＣ分类时识 １ 别率为９７．１％，实验结果表明该算法识别率高、抗噪和鲁棒性强，为行为识别的研究提供了一种新思路。 关键词：正交鉴别投影；线性近似稀疏表示分类；行为识别 中图分类号：ＴＰ３９１．４１　　　文献标志码：Ａ　　　文章编号：１００１３６９５（２０１８）１１３５１７０４ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１８．１１．０７６ ＡｐｐｌｉｃａｔｉｏｎｏｆＬＡＳＲＣＯＤＰｄｉｍｅｎｓｉｏｎｒｅｄｕｃｔｉｏｎ ａｌｇｏｒｉｔｈｍｉｎａｃｔｉｏｎｒｅｃｏｇｎｉｔｉｏｎ ａ，ｂ ａ，ｂ ＪｉａｎＸｉａｎｚｈｏｎｇ ，ＨｅＳｈｉｌｉｎ （ａ．ＳｃｈｏｏｌｏｆＯｐｔｉｃａｌＥｌｅｃｔｒｉｃａｌ＆ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇ，ｂ．ＳｈａｎｇｈａｉＫｅｙＬａｂｏｒａｔｏｒｙｏｆＭｏｄｅｒｎＯｐｔｉｃａｌＳｙｓｔｅｍ，ＵｎｉｖｅｒｓｉｔｙｏｆＳｈａｎｇｈａｉｆｏｒ Ｓｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，Ｓｈａｎｇｈａｉ２０００９３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｔｈａｔｃｌａｓｓｉｆｉｃａｔｉｏｎａｌｇｏｒｉｔｈｍｈａｓｌｏｗｒｅｃｏｇｎｉｔｉｏｎｒａｔｅａｎｄｐｏｏｒｒｅａｌｔｉｍｅｐｅｒｆｏｒｍａｎｃｅｉｎａｃｔｉｏｎ ｒｅｃｏｇｎｉｔｉｏｎ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｎｏｖｅｌｍｅｔｈｏｄｂａｓｅｄｏｎａｎｏｒｔｈｏｇｏｎａｌｒｅｃｏｇｎｉｔｉｏｎｐｒｏｊｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｗｉｔｈｌｉｎｅａｒａｐｐｒｏｘｉｍａ ｔｉｏｎｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎ（ＬＡＳＲＣＯＤＰ）．ＴｈｅＬＡＳＲＣＯＤＰａｌｇｏｒｉｔｈｍｍｉｎｉｍｉｚｅｄｗｉｔｈｃｌａｓｓｒｅｓｉｄｕａｌｓａｎｄｍａｘｉｍｉｚｅｄｂｅｔｗｅｅｎ ｃｌａｓｓｒｅｓｉｄｕａｌｓｗｈｅｎｐｒｏｊｅｃｔｉｎｇｈｉｇｈｄｉｍｅｎｓｉｏｎａｌｄａｔａｉｎｔｏｌｏｗｄｉｍｅｎｓｉｏｎａｌｓｐａｃｅ，ｗｈｉｌｅｉｍｐｒｏｖｉｎｇｔｈｅｄｉｓｃｒｉｍｉｎａｎｔｒｅｓｕｌｔｓｂｙ ｕｓｉｎｇｏｒｔｈｏｇｏｎａｌｃｏｎｓｔｒａｉｎｔｓｏｆｔｈｅｐｒｏｊｅｃｔｉｏｎｍａｔｒｉｘ．ＡｎｄｔｈｅｎｉｔｃｏｍｂｉｎｅｄｗｉｔｈＬＡＳＲＣｃｌａｓｓｉｆｉｃａｔｉｏｎｍａｋｉｎｇｔｈｅｔｒａｉｎｉｎｇｓａｍ ｐｌｅｓａｃｏｍｐｌｅｔｅｄｉｃｔｉｏｎａｒｙ，ａｎｄｂｙｒｅｓｏｌｖｉｎｇｔｏｔｈｅｓｐａｒｓｅｃｏｅｆｆｉ