- · 关于大学外语四六级考试听力试听、带证参考及封闭教学楼的通知[12/07]
- · 关于转发《重庆市教育委员会关于公布2020年度高等教育课程思政项目立项名单的通知[12/07]
- · 雨僧讲坛:“相忘于江湖”——庄子哲学的现代解读[12/04]
- · 关于2020-2021学年选报《名著阅读》书目的通知[12/02]
- · 关于2020-2021学年度第1学期期末课程考试(含重修和赴美实习缓考)安排的通知[11/26]
- · 西南大学关于推荐首届全国中小学美育教学指导委员会委员人选的通知[11/24]
- · 雨僧讲坛:传统文化的学理建构[11/23]
- · 关于第十二届全国大学生数学竞赛(西南大学考点)安排的通知[11/23]
基于最大相关-最小冗余的动作识别算法
作者: 龚静 [1] 李英杰 [1] 黄欣阳 [2]
关键词: 动作识别 最大相关-最小冗余 符号表示 动态时间归整 k-近邻
摘要:为了提高动作的识别精度与鲁棒性,降低冗余特征,提高算法效率,设计了一种基于最大相关-最小冗余(Max-Correlation and Min-Redundancy,MCMR)的动作识别算法.首先,为了消除噪声影响,减少计算成本,利用符号聚集近似(SAX)技术将连续图像序列转换为离散符号;其次,为避免出现时间漂移问题,利用动态时间归整(Dynamic Time Warping,DTW)来计算符号特征的距离,提取符号序列的特征;然后,为了消除冗余的特征,定义了一个特征权重,根据权重对特征进行降序排列,引入最大相关-最小冗余技术消除相关性弱的特征,筛选出具有高相关性和低冗余的特征;最后,为了完成动作识别,根据筛选出的特征,利用k-近邻(K-Nearest Neighbor,KNN)进行分类器学习.结果表明:与当前动作识别算法相比,本文算法能够有效完成动作的识别与理解,具有较高的识别率,有效地降低了冗余特征,提高了算法的效率和鲁棒性.
上一篇: 鼓式制动器非线性模型的不稳定性分析与优化
下一篇: 结合Backfilling和空闲资源调度的云工作流调度方法