基于受限玻尔兹曼机与密集采样迭代加权的图像动作识别算法

您当前的位置：

首页 >

文章列表页 >

物理光学 | 更新时间：2025-09-01

- 基于受限玻尔兹曼机与密集采样迭代加权的图像动作识别算法
- The movement identification algorithm based on restricted boltzmann machine and dense trajectory feature iterative weighting
- 光学技术 2018年44卷第2期页码：164-170
- 作者机构：
  
  1. 1:珠海城市职业技术学院
  2. 2:中山大学数据科学与计算机学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金(61033010);广东省自然科学基金(S011020001182)
- DOI：10.13741/j.cnki.11-1879/o4.2018.02.007
  中图分类号：
- 纸质出版：2018
- 稿件说明：
移动端阅览
潘强, 印鉴. 基于受限玻尔兹曼机与密集采样迭代加权的图像动作识别算法[J]. 光学技术, 2018,44(2):164-170.

The movement identification algorithm based on restricted boltzmann machine and dense trajectory feature iterative weighting[J]. 2018, 44(2): 164-170.
潘强, 印鉴. 基于受限玻尔兹曼机与密集采样迭代加权的图像动作识别算法[J]. 光学技术, 2018,44(2):164-170. DOI： 10.13741/j.cnki.11-1879/o4.2018.02.007.

The movement identification algorithm based on restricted boltzmann machine and dense trajectory feature iterative weighting[J]. 2018, 44(2): 164-170. DOI： 10.13741/j.cnki.11-1879/o4.2018.02.007.

针对当前动作识别技术中正确识别率不高

易受到环境变化的影响等问题

提出了一种基于受限玻尔兹曼机与密集采样特征迭代加权融合的动作识别算法。避免单个特征对图像序列的表达力不强

引入了受限玻尔兹曼机(RBM)特征与密集采样(DT)特征分别对行为动作进行特征提取

得到RBM特征和DT特征;定义一种迭代加权函数

将RBM特征与DT特征进行加权融合

形成描述能力更强的RBM-DT特征;基于K-近邻(KNN)算法

对RBM-DT特征进行分类学习

完成动作识别的决策判断。通过在KTH、Hollywood数据集上实验表明:与当前动作识别技术比较

提出的新算法能够有效识别各种行为动作

对各类型动作均具有更高的正确识别率与鲁棒性。

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于3D运动轨迹解析与隐马尔可夫模型的动作识别算法