基于大间隔最近邻算法的人类活动识别研究.doc

基于大间隔最近邻算法的人类活动识别研究
摘要:随着社会的不断发展,人工智能越来越深入的融入到人们的生活,而人工智能的一个应用智能家居大大提高了人们的生活水平。智能家居中最重要的部分就是人体安全监控,而这一技术的核心就是人类活动n数据集是由9个演员演示10个活动形成标签序列与3个额外的序列共93(9×10+3)个独立动作序列用于训练度量模型和评估分类精度。
Kernel1数据集包含由8个演员做14个活动形成的532个数据序列,仅从一个角度拍摄的。
4 评估规则
为了表达分类的效果,我们需要一个评价规则来描述分类效果,这个就是我们说的评估规则。将数据集分成两部分及训练是数据集和测试数据集,训练样本集用来训练目标度量,测试数据集用于测试訓练结果。对于测试样本集来说,训练结果将数据正确分类的数量n与测试样本总数N的比值就是我们要的测试结果。本文的分类正确率计算由下面公式计算:
具体的评估规则如下:
规则1:查找样本集中某一个演员的所有序列的。
规则2:查找样本集中所有与查询序列动作和演员都匹配的序列。
规则3:查找查询的数据。如果演员一个动作只做一次,那么该规则与与规则2相同。 規则4:查找测试集中与查询动作相同的所有数据。
5 实验结果
NB、1NN、1NN-M和LMNN算法在Weizmen数据集和Kernal1数据集在上的运行结果分别如表1、2所示。
分析在Weizmen数据集实验数据,可以得到下面分析结果。NB、1NN和1NN-、,,。,。
分析在Kernal1数据集实验数据,可以得到下面分析结果。NB、1NN和1NN-、,,。,。
6 结语
从数据上看度量学习中大间隔最近邻算法确实在一定程度上提高了人类活动识别的精度,我们在以后的研究中还可以尝试其他的度量学习算法,将其应用于需要识别、分类任务的各个领域,以期待它更好的表现。
参考文献
[1] Veeraraghavan A,Chellappa R,Roychowdhury A K. The Function Space of an Activity[C]//IEEE Computer Society Conference on Computer Vision and Pattern Computer Society,2006:959-968.
[2] Weinberger K Q,Blitzer J,Saul metric learn