基于Boosting RBF神经网络的人体行为识别

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (13): 188-190.

• 图形、图像、模式识别 • 上一篇下一篇

基于Boosting RBF神经网络的人体行为识别

叶银兰

绍兴文理学院上虞分院，浙江绍兴 312300

收稿日期:2007-08-14 修回日期:2007-12-17 出版日期:2008-05-01 发布日期:2008-05-01
通讯作者: 叶银兰

Recognition of human action using boosting method and RBF neural network

YE Yin-lan

Shang Yu College of Shaoxing University，Shaoxing，Zhejiang 312300，China

Received:2007-08-14 Revised:2007-12-17 Online:2008-05-01 Published:2008-05-01
Contact: YE Yin-lan

摘要/Abstract

摘要： 提出一种基于Boosting RBF神经网络的人体行为识别方法，该方法利用规范化的运动历史图像（MHI）进行图像序列表示，从中提取Zernike矩的统计描述特征，然后提出Adaboost算法自适应地选择图像序列的特征作为RBF神经网络的输入，为了进一步提高神经网络的泛化能力，采用一种调整权值分布，限制权重扩张的改进的Boosting方法，分类器以加权投票方式进行分类决策。实验结果表明，提出的方法能够有效地识别人体运动类别。

关键词: Zernike矩, 人体行为识别, boosting 算法, 运动历史图像

Abstract: A novel method is proposed for recognition of human action based on improved boosting RBF neural network.In the proposed method，normalized motion history image for motion representation is valued.Statistical descriptions are then computed from motion history image using Zernike moment-based features，then adaboost method is proposed for adaptive select feature.Then RBF neural network is used to class the human action.In order to improve the precision of the RBF neural network for recognition of human action，a weight-adjusting-based method is proposed to improve Boosting method.Experiment results have shown good recognition performance of our method.

Key words: Zernike moments, recognition of human action, Boosting method, motion history image

叶银兰. 基于Boosting RBF神经网络的人体行为识别[J]. 计算机工程与应用, 2008, 44(13): 188-190.

YE Yin-lan. Recognition of human action using boosting method and RBF neural network[J]. Computer Engineering and Applications, 2008, 44(13): 188-190.

[1]	李元祥，谢林柏. 基于深度运动图和密集轨迹的行为识别算法[J]. 计算机工程与应用, 2020, 56(3): 194-200.
[2]	鹿天然，于凤芹，杨慧中，陈莹. 基于显著性检测和稠密轨迹的人体行为识别[J]. 计算机工程与应用, 2018, 54(14): 163-167.
[3]	朱黎辉，李晓宁. 基于多特征组合的球形果蔬智能分选方法[J]. 计算机工程与应用, 2016, 52(5): 173-178.
[4]	吴叶兰1，2，秦艳红1，张之敬2. 基于显微视觉的微小型零件边缘检测技术研究[J]. 计算机工程与应用, 2016, 52(17): 266-270.
[5]	张晓林1，周哲海1，2，王晓玲1，祝连庆1，2. 基于改进Zernike方法实现圆形边缘亚像素检测[J]. 计算机工程与应用, 2015, 51(20): 157-161.
[6]	史久根，陈志辉. 基于运动历史图像和椭圆拟合的手势分割[J]. 计算机工程与应用, 2014, 50(22): 199-202.
[7]	刘明进1，王珏1，2，蔡玉芳2，王慧倩3. Zernike矩结合Sigmoid曲线拟合边缘检测方法[J]. 计算机工程与应用, 2014, 50(1): 149-152.
[8]	洪运国. 基于改进Canny算子和神经网络的人体行为识别模型[J]. 计算机工程与应用, 2013, 49(8): 156-159.
[9]	王小凤，张飞，耿国华，刘晓宁. 一个基于深度图像的三维模型检索算法[J]. 计算机工程与应用, 2012, 48(7): 197-200.
[10]	苏育挺，王静，冀中. 基于仿射包和伪Zernike矩的视频人脸检索[J]. 计算机工程与应用, 2012, 48(34): 179-183.
[11]	舒小华1，2，沈振康1，曾广胜3，龙永红2. 小波神经网络在图像配准中的应用[J]. 计算机工程与应用, 2012, 48(31): 191-193.
[12]	陈玲1，3，李熙莹2，3，罗玲2，3. 一种改进和提取Zernike特征矩的方法[J]. 计算机工程与应用, 2012, 48(20): 182-186.
[13]	印勇1,张晶1，王建东2. 人体行为识别的改进Radon变换方法[J]. 计算机工程与应用, 2012, 48(11): 196-200.
[14]	罗敏，王琰. 一种利用Roberts-Zernike矩的亚像素边缘检测方法[J]. 计算机工程与应用, 2011, 47(5): 169-171.
[15]	明细细，李丽娟. 结合DCT域掩膜和Zernike矩的自适应鲁棒水印算法[J]. 计算机工程与应用, 2011, 47(19): 159-162.

基于Boosting RBF神经网络的人体行为识别

Recognition of human action using boosting method and RBF neural network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics