基于LMP-KCPA 的人体动作识别方法

吉林大学学报(信息科学版)

基于LMP-KCPA 的人体动作识别方法

张冰冰, 史东承, 梁超

长春工业大学计算机科学与工程学院, 长春130012

收稿日期:2015-05-06 出版日期:2016-05-25 发布日期:2016-12-21
作者简介:张冰冰(1990—), 女, 沈阳人, 长春工业大学硕士研究生, 主要从事计算机视觉研究, (Tel)86-15584386828(E-mail) 278663950@ qq. com; 史东承(1959—), 男, 长春人, 长春工业大学教授, 硕士生导师, 主要从事计算机视觉研究, (Tel) 86-13943199556(E-mail)dcshi@ foxmail. com。
基金资助:
吉林省教育厅“十三五冶基金资助项目(吉教科合字[2016]第349 号)

Human Action Recognition Based on LMP-KPCA Algorithm

ZHANG Bingbing, SHI Dongcheng, LIANG Chao

College of Computer Science and Engineering, Changchun University of Technology, Changchun 130012, China

Received:2015-05-06 Online:2016-05-25 Published:2016-12-21

摘要/Abstract

摘要：

为解决人体动作识别中由于特征描述子的维数过高, 无法表征目标变化的本质运动变化信息的问题,给出了核主成分分析(KPCA: Kernel Principal Component Analysis)对局部运动模式描述子(LMP: Local Motion Pattern)降维方法。首先利用LMP 描述子对人体运动目标进行描述, 然后利用KPCA 算法对局部运动模式特征
描述子进行处理, 获取新的特征描述方式。通过MATLAB 仿真, 与Cuboids+SVM 和LMP+SR 两种算法对比结果表明, 基于LMP鄄KPCA 的人体动作识别, 特征描述子维数明显降低, 可以表征人体运动目标变化关键信息,识别率比Cuboids+SVM 算法提高1. 1%, 比LMP+SR 提高1%。

关键词: 人体动作识别, 时空兴趣点, 局部运动模式, 核主成分分析

Abstract:

We presents a new method for human action recognition to solve the problem of representing the invariant property of the moving target, which combining the local motion pattern and kernel principal component analysis. Firstly, using the local motion pattern descriptors to represent the human motion and then using the kernel principal component analysis algorithm to deal with the local motion pattern descriptors to form a new feature description. The experimentshows that human actionrecognition based on LMP-KPCA, with the other two classical methods (Cuboids+SVM and LMP+SR)by contrast, the recognition rateis improved obviously, the corresponding improved recognition rate is 1. 1% and 1%.

Key words: human action recognition, space and time interest points, local motion pattern(LMP), kernel principal component analysis(KPCA)

中图分类号:

TP391

张冰冰, 史东承, 梁超. 基于LMP-KCPA 的人体动作识别方法[J]. 吉林大学学报(信息科学版), 2016, 34(3): 407-412.

ZHANG Bingbing, SHI Dongcheng, LIANG Chao. Human Action Recognition Based on LMP-KPCA Algorithm[J]. Journal of Jilin University(Information Science Ed, 2016, 34(3): 407-412.