基于核方法的支持向量機(jī)在人體動(dòng)作識(shí)別中的應(yīng)用研究.pdf

1、隨著計(jì)算機(jī)的發(fā)展，計(jì)算機(jī)視覺(jué)技術(shù)成為近年來(lái)的研究熱點(diǎn)，計(jì)算機(jī)視覺(jué)就是利用攝影機(jī)等成像設(shè)備代替人眼采集信息，然后由計(jì)算機(jī)代替人腦完成對(duì)運(yùn)動(dòng)目標(biāo)的檢測(cè)、跟蹤、識(shí)別等過(guò)程。人體動(dòng)作識(shí)別是當(dāng)今計(jì)算機(jī)視覺(jué)領(lǐng)域的熱點(diǎn)的研究方向之一，在移動(dòng)終端設(shè)備中，可進(jìn)行更智能化的人機(jī)交互，在智能監(jiān)控系統(tǒng)中，可實(shí)現(xiàn)監(jiān)控的無(wú)人化值守。
　　支持向量機(jī)(Support Vector Machine，SVM)是由Vapnik等人在統(tǒng)計(jì)學(xué)習(xí)理論的基礎(chǔ)上提出的一種新型

2、機(jī)器學(xué)習(xí)方法，在泛化能力和學(xué)習(xí)性能等方面具有明顯優(yōu)勢(shì)，能有效地解決小樣本、非線性、高維數(shù)等問(wèn)題，是一種強(qiáng)有力的分類方法。自20世紀(jì)90年代提出以來(lái)，SVM就得到了迅速的發(fā)展，被廣泛應(yīng)用于人臉識(shí)別、文本分類、醫(yī)學(xué)圖像處理等領(lǐng)域。
　　核方法是實(shí)現(xiàn)支持向量機(jī)中非線性映射的一種重要方法，核方法的關(guān)鍵技術(shù)是核函數(shù)的選擇或構(gòu)造。本論文的目的是研究混合核函數(shù)在人體動(dòng)作識(shí)別中的應(yīng)用。
　　本論文主要工作如下：
　　1.為克服局部性核

3、函數(shù)學(xué)習(xí)能力強(qiáng)，但泛化性能較弱，而全局性核函數(shù)泛化性能強(qiáng)，但學(xué)習(xí)能力較弱的不足，提出將兩類核函數(shù)組成混合核函數(shù)，人體動(dòng)作識(shí)別實(shí)驗(yàn)表明該方法優(yōu)于單核函數(shù)。
　　2.提出采用基于混合核函數(shù)SVM的方法進(jìn)行動(dòng)作識(shí)別，與常用的模板匹配法進(jìn)行人體動(dòng)作識(shí)別相比較，具有運(yùn)算量小，識(shí)別率高的特點(diǎn)。
　　3.在伊利諾伊大學(xué)人體動(dòng)作數(shù)據(jù)庫(kù)中，只有人體動(dòng)作的彩色圖像，為了方便采用主成分分析算法進(jìn)行降維處理，以提高運(yùn)算速度，本文對(duì)所有圖像進(jìn)行了灰度