公开(公告)号：CN105160290A

公开(公告)日：2015-12-16

申请号：CN201510386962.X

申请日：2015-07-03

Applicant: 东南大学

Inventor： 田茜 ,  徐海燕 ,  王臻 ,  马慧 ,  陈萍萍 ,  吴建辉 ,  李红

IPC: G06K9/00 ,  G06K9/62

CPC classification number: G06K9/00335 ,  G06K9/00711 ,  G06K9/6269

Abstract: 本发明公开了一种基于改进型稠密轨迹的移动边界采样的行为识别方法，研究表明改进型稠密轨迹在行为识别上可以取得最先进的结果，但是它耗内存且计算复杂。因此，在不影响识别率的情况下，用移动边界采样方法来减少轨迹数，能节省内存并提高后期的处理速度。首先基于移动边界采样的改进型稠密轨迹来提取局部底层特征；其次使用Fisher核对局部底层特征进行聚类，形成Fisher向量，以提高特征的紧凑性、有序性；在FV作为分类器的输入之前对它们采用LDA/CA的降维技术来提高存储效率、训练和测试的时间并且进一步提高特征辨别性；最后对于不同的描述器采用后融合技术进行数据的结合或者FV向量之间的融合，从而来提高识别率。

公开(公告)号：CN103927561A

公开(公告)日：2014-07-16

申请号：CN201410179070.8

申请日：2014-04-29

Applicant: 东南大学

Inventor： 田茜 ,  徐海燕 ,  王臻 ,  马慧 ,  陈萍萍 ,  吴建辉 ,  李红

IPC: G06K9/66 ,  G06K9/46

Abstract: 本发明公开了一种基于概率融合和降维技术的行为识别方法，多次使用降维技术来对特征进行降维，从而提高特征的代表性和辨别性：首先基于稠密轨迹来提取局部底层特征，为了节省空间和去除数据的相关性，对局部底层特征分别采用PCA；其次使用Fisher核对局部底层特征进行聚类，形成Fisher向量，从而提高特征的紧凑性、有序性；在FV作为分类器的输入之前对它们采用LDA的降维技术来提高存储效率、训练和测试的时间并且进一步提高特征辨别性；最后对于不同的描述器采用后融合技术进行数据的结合，从而来提高识别率。