姚 湘，徐平平，王華君

(1. 無錫太湖學院 工學院，江蘇 無錫 214064；2. 東南大學 信息科學與工程學院，江蘇 南京 211189)

基于非線性知識遷移的交叉視角動作識別

姚 湘1，徐平平2，王華君1

(1. 無錫太湖學院 工學院，江蘇 無錫 214064；2. 東南大學 信息科學與工程學院，江蘇 南京 211189)

針對一般基于知識遷移的方法對未知視角不可用和難以擴展新數(shù)據(jù)的問題，提出一種基于非線性模型的無監(jiān)督學習方法，即基于非線性知識遷移(nonlinear knowledge shift,NKS)的串聯(lián)特征學習。提取密集動作軌跡，并利用通用碼書編碼；提取動作捕捉數(shù)據(jù)模擬點的密集軌跡，產(chǎn)生一個仿真數(shù)據(jù)的大型語料庫來學習NKS，其中，軌跡提取前在視角方向上投影模擬點；再從真實視頻中提取軌跡，用于訓練和測試表示學習過程的軌跡，利用多類支持向量機分類串聯(lián)特征。在兩大通用人體動作識別數(shù)據(jù)庫IXMAS和3D(N-UCLA)上驗證了該方法的有效性，實驗結(jié)果表明，在IXMAS數(shù)據(jù)集、不同攝像機情況下，該方法的識別精度高于同類方法至少3.5%，在3D(N-NCLA)數(shù)據(jù)集、雙攝像頭情況下，識別精度至少提高4.4%。在大部分動作識別中也取得最佳識別率，此外，該方法的訓練時間可忽略不計，有望應用于在線人體動作識別系統(tǒng)。

非線性知識遷移；多類支持向量機；動作識別；無監(jiān)督學習；串聯(lián)特征

0 引 言

視頻動作識別[1]是人機交互、智能監(jiān)控和視頻檢索應用中的重要研究課題，大多固定視點[1-2]的動作識別方法都能有效地識別共同視點的動作，但當視角變化時，其性能顯著下降，這是由于當從不同視點觀察時，相同動作表現(xiàn)非常不同[3-4]。如何解決不同視點下的動作識別是該領(lǐng)域的研究熱點和最大挑戰(zhàn)。

實用的動作識別系統(tǒng)應