EM算法的改进及其在行为识别中的应用.pdfVIP

IIV 。脚 A 解 ■秘敖囊 id|o毫nni “ri 4 【本文献信息】赵桂儒，李卫东，刘典婷，等．EM算法的改进及其在行为识别中的应用J【J．电视技术，2014，38(13) EM算法的改进及其在行为识别中的应用 赵桂儒 ，李卫东 ，刘典婷。，吴 敏。，崔满丰。 (1．中国地震台网中心，北京 100045；2．迈阿密大学，美国 佛罗里达州 33146) 摘【 要】EM算法是求解GMM参数的传统算法，当样本数据规模比较大、GMM高斯成分数量比较高时，EM算法需要很长的 时间才能收敛。提 出了一种改进的EM算法，通过设置适当的参数 ，利用改进后的EM算法求解GMM参数 ，相比原EM算法在 运行速度上有 了很大的提高；进一步，结合GMM超 向量以及SVM分类器 ，将改进后的EM算法应用到对KTH人体行为数据库 的识别中，相比原EM算法识别准确率只受到了很小的影响。 关【键词】高斯混合分布；EM算法；行为识别 【中图分类号】TP391 【文献标志码】A Application ofImproved EM Algorithm in Recognition ofHuman Actions ZHAO Guiru，LIWeidong，LIU Dianting2，WU Min，CUIManfeng (J．ChinaEaahqnakeNetworksCenter,Bejiing100045,China；2．UniversityofMiami,CoralGables凡 3314~ USA) A【bstract】A longtimeisneededtoestimateGMM parametersusingthegeneralEM algorithm whenthetrainingdataislarge and the numberofGauss components isbig．An improved EM algorithm is proposed in this paper．Compared to the original algorithm the operating speed is significantly improved using the improved EM algorithm to estimate GMM parameters ifthe appropriate parameters are given．The improved EM algorithm is 印plied on the KTH human actions database combined with GMM supervectorandSVM，and therecognition accuracyisaffectedonly alittlecompared to theoriginalEM algorithm． K【eywords】GMM；EM；recognitionofhumanaction 高斯混合模型 (GaussianMixtureModel，GMM)作为 1 GMM—UBM及其参数求解 一 种通用的概率模型，能有效地模拟多维矢量的任意连 1．1 GM M—UBM 续概率分布，在此基础上发展起来的高斯混合模型通用 GMM—UBM用来描述所有样本数据的分布状态，其 背景模型(GMM—uBM)在语音识别 ]、图像识别和检索 概率密度函数描述为 等领域都取得了良好的效果。 GMM—UBM需要大量的训练样本数据通过GMM模 px(lO)=~tokN ，) (1)