2013-03-11
提出一种基于主题模型的人体动作识别方法。该方法首先提取时空兴趣点(STIP，space-time interest point)来描述人体运动，然后提出一种时间-梯度直方图(简称T-HOG)算法，该算法对空间梯度直方图(HOG，Histogram of oriented Gradients)仅能描述STIP 3D区域立方体空间信息的不足进行了弥补，实现对STIP 3D区域立方体时间方向变化信息的量化表示，最后使用概率潜在语义分析 (pLSA, probabilistic Latent Semantic Analysis) 模型识别人体动作。同时，针对pLSA隐性主题正确性无法保证的缺点，算法将主题与动作标签"一对一"相关，通过监督方式得到主题，保证了训练中主题的正确性。该算法在KTH人体运动数据库和Weizmann人体动作数据库进行了训练与测试，动作识别结果正确率在91.50%以上。
国家教育部博士点基金项目（20090162110057）
中南大学 信息科学与工程学院，湖南长沙 410075,中南大学 信息科学与工程学院，湖南长沙 410075,中南大学 信息科学与工程学院，湖南长沙 410075
#计算机科学技术#
提示
