基于块稀疏贝叶斯学习的人体运动模式识别

来源：计算机应用杂志2016年第4期北京时间：

作者：吴建宁, 徐海东, 凌雲, 王佳境

单位：福建师范大学 数学与计算机科学学院, 福州 350007

摘要：在人体运动模式识别中, 传统稀疏表示分类算法未考虑待测试样本相应稀疏系数向量内在块结构相关性信息,影响了算法识别性能。为此,提出一种基于块稀疏模型的人体运动模式识别方法。该方法充分利用人体运动模式内在块稀疏结构,将人体运动模式识别问题转化为稀疏表示问题,采用块稀疏贝叶斯学习算法,求解基于样本训练集优化稀疏表示待测样本的稀疏系数, 并根据稀疏系数重构残差判定待识别动作类别,能有效提高人体运动模式识别率。选用包含多类别人体动作行为模式的USC-HAD数据库对所提算法性能进行了验证。实验结果表明,所提算法能够有效捕获不同运动模式内在差异信息,平均动作识别率达到97.86%,比传统动作识别方法平均提高近5%,有效提高了动作识别准确率。

关键词：压缩感知,稀疏表示,块稀疏贝叶斯学习,人体运动,模式识别

基金资助：福建省自然科学基金资助项目(2013J01220);福建省高等学校教学改革研究项目(JAS14674);福建师范大学2014年研究生教育改革研究项目(MSY201426)。