基于多特征的深度图像序列人体行为识别

来源：计算机技术与发展杂志2018年第06期北京时间：

作者：宋相法;姚旭

摘要：由于现有方法多采用单一特征研究深度图像序列人体行为识别,其识别性能较低。 针对上述问题,提出了一种基于超法向量特征与深度运动图的梯度方向直方图特征的多特征行为识别方法。该方法首先从深度图像序列中提取两种特征:超法向量特征和深度运动图的梯度方向直方图特征,以增强特征互补性;然后利用核极限学习机分别获得两种特征的识别结果;最后对识别结果利用对数意见汇集规则进行融合得到最终识别结果。 在 MSR Action3D 数据集上进行了测试,得到了 96.3%的识别率,不但超过了基于超法向量特征方法的识别率和基于深度运动图的梯度方向直方图特征方法的识别率,而且也超过了其他方法的识别率。

关键词：人体行为识别;深度图像序列;多特征;核极限学习机