基于多学习器协同训练模型的人体行为识别方法

被引：10

作者：

唐超 ^{[1
]}

王文剑 ^{[2
]}

李伟 ^{[3
]}

李国斌 ^{[1
]}

曹峰 ^{[2
]}

机构：

[1] 合肥学院计算机科学与技术系

[2] 山西大学计算机与信息技术学院

[3] 不详

来源：

软件学报 | 2015年 / 26卷 / 11期

关键词：

人体行为识别; 半监督学习; 协同训练; 学习器选择; 混合特征;

D O I：

10.13328/j.cnki.jos.004899

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

人体行为识别是计算机视觉研究的热点问题,现有的行为识别方法都是基于监督学习框架.为了取得较好的识别效果,通常需要大量的有标记样本来建模.然而,获取有标记样本是一个费时又费力的工作.为了解决这个问题,对半监督学习中的协同训练算法进行改进,提出了一种基于多学习器协同训练模型的人体行为识别方法.这是一种基于半监督学习框架的识别算法.该方法首先通过基于Q统计量的学习器差异性度量选择算法来挑取出协同训练中基学习器集,在协同训练过程中,这些基学习器集对未标记样本进行标记;然后,采用了基于分类器成员委员会的标记近邻置信度计算公式来评估未标记样本的置信度,选取一定比例置信度较高的未标记样本加入到已标记的训练样本集并更新学习器来提升模型的泛化能力.为了评估算法的有效性,采用混合特征来表征人体行为,从而可以快速完成识别过程.实验结果表明,所提出的基于半监督学习的行为识别系统可以有效地辨识视频中的人体动作.

引用

页码：2939 / 2950

页数：12

共 24 条

[1]

Recognizing human actions:alocal SVM approach. Laptev S C,,Caputo I. ICPR . 2004

[2] Measures of diversity in classifier ensembles and their relationship with the ensemble accuracy [J].

Kuncheva, LI ;

Whitaker, CJ .

MACHINE LEARNING, 2003, 51 (02) :181-207

[3]

Ten measures of diversity in classifier ensembles: limits for two classifiers. Kuncheva L I,Whitaker C J. Proceedings of IEEE Workshop on Intelligent Sensor Processing . 2001

[4]

Text Classification from Labeled and Unlabeled Documents using EM[J] . Kamal Nigam,Andrew Kachites Mccallum,Sebastian Thrun,Tom Mitchell. &nbspMachine Learning . 2000 (2)

[5]

Behavior recognition via sparse spatio-temporal features. Dollar P,Rabaud V,Cottrell G,Belongie S. Proceedings of the International Workshop on Visual Surveillance and Performance Evaluation of Tracking and Surveillance . 2005

[6]

Boosted multi-class semi-supervised learning for human action recognition[J] . Tianzhu Zhang,Si Liu,Changsheng Xu,Hanqing Lu. &nbspPattern Recognition . 2010 (10)

[7] 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

[8]

Semi-Supervised Learning on Riemannian Manifolds[J] . Mikhail Belkin,Partha Niyogi. &nbspMachine Learning . 2004 (1)

[9]

SemiBoost: Boosting for Semi-Supervised Learning. Pavan Kumar Mallapragada,Rong Jin,Anil K. Jain,Yi Liu. IEEE Transactions on Pattern Analysis and Machine Intelligence . 2009

[10]

X box[P]. SPURGEON WHITE.中国专利:US2358194A,1944-09-12

← 1 2 3 →