基于动作——身份模型的动作分类

早期动作识别的研究主要关注在简单背景及可控环境下单个人体动作的分类从而忽略了人的身份信息。本文主提出如何同时识别动作和身份。提出时空兴趣点不仅仅刻画了动作的时空属性,在采取不同的描述算子的情况下,它也能反映出关于动作执行人的身份信息。实验的结果验证了本文的想法。     

基于生成/判别混合模型的动作识别

生成模型能够处理丢失的数据,而判别模型一般具有较好的分类性能。本文提出了一种新的生成/判别混合模型来进行动作识别。该方案利用Fisher核的方法,通过主题模型LDA建立训练样本的Fisher核表示,然后利用核函数训练判别模型进行动作分类。     

一种新的多类支持向量机算法

提出了一种新的多类支持向量机算法OC-K-SVM.对k类分类问题,该方法构造了k个分类器,每一个分类器只对一类样本进行训练.使用Benchmark的数据集进行了初步的实验,实验结果验证了算法的有效性.