基于非线性知识迁移的交叉视角动作识别-重庆邮电大学学报.pdf

第２９卷第１期 重庆邮电大学学报（自然科学版） Ｖｏｌ．２９　Ｎｏ．１ ２０１７年２月 ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ） Ｆｅｂ．２０１７ ＤＯＩ：１０．３９７９／ｊ．ｉｓｓｎ．１６７３８２５Ｘ．２０１７．０１．０１８ 基于非线性知识迁移的交叉视角动作识别 １ ２ １ 姚　湘 ，徐平平 ，王华君 （１．无锡太湖学院工学院，江苏 无锡２１４０６４；２．东南大学 信息科学与工程学院，江苏 南京２１１１８９） 摘　要：针对一般基于知识迁移的方法对未知视角不可用和难以扩展新数据的问题，提出一种基于非线性模型的 无监督学习方法，即基于非线性知识迁移（ｎｏｎｌｉｎｅａｒｋｎｏｗｌｅｄｇｅｓｈｉｆｔ，ＮＫＳ）的串联特征学习。提取密集动作轨迹，并 利用通用码书编码；提取动作捕捉数据模拟点的密集轨迹，产生一个仿真数据的大型语料库来学习ＮＫＳ，其中，轨 迹提取前在视角方向上投影模拟点；再从真实视频中提取轨迹，用于训练和测试表示学习过程的轨迹，利用多类支 持向量机分类串联特征。在两大通用人体动作识别数据库ＩＸＭＡＳ和３Ｄ（ＮＵＣＬＡ）上验证了该方法的有效性，实 验结果表明，在ＩＸＭＡＳ数据集、不同摄像机情况下，该方法的识别精度高于同类方法至少３．５％，在３Ｄ（ＮＮＣＬＡ） 数据集、双摄像头情况下，识别精度至少提高４．４％。在大部分动作识别中也取得最佳识别率，此外，该方法的训练 时间可忽略不计，有望应用于在线人体动作识别系统。 关键词：非线性知识迁移；多类支持向量机；动作识别；无监督学习；串联特征 中图分类号：ＴＰ３９１．４　　　　　　　　　文献标志码：Ａ 文章编号：１６７３８２５Ｘ（２０１７）０１０１２１０８ Ｃｒｏｓｓｖｉｅｗａｃｔｉｏｎｒｅｃｏｇｎｉｔｉｏｎｂａｓｅｄｏｎｎｏｎｌｉｎｅａｒｋｎｏｗｌｅｄｇｅｓｈｉｆｔ １ ２ １ ＹＡＯＸｉａｎｇ，ＸＵＰｉｎｇｐｉｎｇ，ＷＡＮＧＨｕａｊｕｎ （１．ＳｃｈｏｏｌｏｆＥｎｇｉｎｅｅｒｉｎｇ，ＴａｉｈｕＵｎｉｖｅｒｓｉｔｙｏｆＷｕｘｉ，Ｗｕｘｉ２１４０６４，Ｐ．Ｒ．Ｃｈｉｎａ； ２．ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１１１８９，Ｐ．Ｒ．Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ａｓｇｅｎｅｒａｌｍｅｔｈｏｄｓｂａｓｅｄｏｎｋｎｏｗｌｅｄｇｅｓｈｉｆｔａｒｅｕｎａｖａｉｌａｂｌｅｉｎｃａｓｅｏｆｕｎｋｎｏｗｎｐｅｒｓｐｅｃｔｉｖｅａｎｄｄｉｆｆｉｃｕｌｔｔｏｅｘ ｔｅｎｄｎｅｗｄａｔａ，ａｎｕｎｓｕｐｅｒｖｉｓｅｄｌｅａｒｎｉｎｇｍｅｔｈｏｄｏｆｎｏｎｌｉｎｅａｒｍｏｄｅｌｉｓｐｒｏｐｏｓｅｄ，ｔｈａｔｉｓ，ｓｅｒｉｅｓｌｅａｒｎｉｎｇｂａｓｅｄｏｎｎｏｎｌｉｎｅａｒ ｋｎｏｗｌｅｄｇｅｓｈｉｆｔ（ＮＫＳ）．Ｆｉｒｓｔｌｙ，ｔｈｅｄｅｎｓｅｔｒａｊｅｃｔｏｒｉｅｓｏｆａｃｔｉｏｎａｒｅｅｘｔｒａｃｔｅｄａｎｄｅｎｃｏｄｅｄｗｉｔｈａｃｏｍｍｏｎｃｏｄｅｂｏｏｋ． Ｔｈｅｎ，ｄｅｎｓｅｔｒａｊｅｃｔｏｒｉｅｓｏｆｓｙｎｔｈｅｔｉｃｐｏｉｎｔｓｆｉｔｔｅｄｔｏＭｏＣａｐｄａｔａａｒｅｅｘｔｒａｃｔｅｄ，ｇｅｎｅｒａｔｉｎｇａｌａｒｇｅｃｏｒｐｕｓｏｆｓｙｎｔｈｅｔｉｃｄａｔａｔｏ ｌｅａｒｎｔｈｅＮＫＳ．Ｔｈｅｍｏｏｔｐｏｉｎｔｓａｒｅｐｒｏｊｅｃｔｅｄｉｎｔｈｅｖｉｅｗｉｎｇｄｉｒｅｃｔｉｏｎｂｅｆｏｒｅｔｈｅｔｒａｊｅｃｔｏｒｉｅｓ