动作识别算法的评估策略探讨

被引：10

作者：

高赞 ^{[1
,2
,3
]}

张桦 ^{[1
,2
]}

蔡安妮 ^{[3
]}

机构：

[1] 计算机视觉与系统省部共建教育部重点实验室,天津理工大学

[2] 天津市智能计算及软件新技术重点实验室,天津理工大学

[3] 北京邮电大学信息与通信工程学院

来源：

光电子激光 | 2012年 / 23卷 / 06期

基金：

天津市科技支撑计划;

关键词：

时空特征; 支持向量机(SVM); 动作识别; 评估策略;

D O I：

10.16136/j.joel.2012.06.035

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

以时空兴趣点特征和支持向量机(SVM)分类器识别方法为基本算法,在广泛使用的公开动作数据集KTH上,从不同角度考察评估策略对动作识别算法性能的影响。实验表明,当采用不同的交叉实验方法时,算法性能的波动最大达到10.5%,而不同数据集划分方法对算法性能的影响则达到11.87%。因此,通过量化分析得出的结论,可以充分地比较现有算法的真实差异,并为设计合理的评估策略提供参考。

引用

页码：1166 / 1172

页数：7

共 5 条

[1] 基于轮廓特征的人体行为识别 [J].

赵海勇 ;

刘志镜 ;

张浩 .

光电子激光, 2010, 21 (10) :1547-1551

[2] Unsupervised learning of human action categories using spatial-temporal words [J].

Niebles, Juan Carlos ;

Wang, Hongcheng ;

Fei-Fei, Li .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2008, 79 (03) :299-318

[3]

Local Features and Kernels for Classification of Texture and Object Categories: A Comprehensive Study[J] . J. Zhang,M. Marsza?ek,S. Lazebnik,C. Schmid.International Journal of Computer Vision . 2007 (2)

[4] Scale & affine invariant interest point detectors [J].

Mikolajczyk, K ;

Schmid, C .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 60 (01) :63-86

[5]

Learning and Matching of dynamic shape manifolds for human action recognition .2 Wang Liang,Suter D. IEEE Trans on Image Processing . 2007

← 1 →