基于LMP-KCPA的人体动作识别方法  

Human Action Recognition Based on LMP-KPCA Algorithm

作　　者：张冰冰[1] 史东承[1] 梁超[1] ZHANG Bingbing SHI Dongcheng LIANG Chao(College of Computer Science and Engineering, Changchun University of Technology, Changchun 130012, China)

机构地区：[1]长春工业大学计算机科学与工程学院,长春130012

出　　处：《吉林大学学报（信息科学版）》2016年第3期407-412,共6页Journal of Jilin University（Information Science Edition）

基　　金：吉林省教育厅"十三五"基金资助项目(吉教科合字[2016]第349号)

摘　　要：为解决人体动作识别中由于特征描述子的维数过高,无法表征目标变化的本质运动变化信息的问题,给出了核主成分分析(KPCA:Kernel Principal Component Analysis)对局部运动模式描述子(LMP:Local Motion Pattern)降维方法。首先利用LMP描述子对人体运动目标进行描述,然后利用KPCA算法对局部运动模式特征描述子进行处理,获取新的特征描述方式。通过MATLAB仿真,与Cuboids+SVM和LMP+SR两种算法对比结果表明,基于LMP-KPCA的人体动作识别,特征描述子维数明显降低,可以表征人体运动目标变化关键信息,识别率比Cuboids+SVM算法提高1.1%,比LMP+SR提高1%。We presents a new method for human action recognition to solve the problem of representing theinvariant property of the moving target, which combining the local motion pattern and kernel principal componentanalysis. Firstly, using the local motion pattern descriptors to represent the human motion and then using thekernel principal eomponent analysis algorithm to deal with the local motion pattern descriptors to form a newfeature description. The experimentshows that human actionrecognition based on LMP-KPCA, with the othertwoclassical methods （Cuboids ＋ SVM and LMP ＋ SR）by contrast, the recognition rateis improved obviously, thecorresponding improved recognition rate is 1.1% and 1%.

关 键 词：人体动作识别 时空兴趣点 局部运动模式 核主成分分析 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]