基于核方法的支持向量机在人体动作识别中的应用研究.pdf

谨以此论文献给我求学道路上的良师益友



------------房菲
基于核方法的支持向量机在人体动作识别中的应用
研究












学位论文答辩日期:
指导教师签字:
答辩委员会成员签字:
独创声明
本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的
研究成果。据我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其
他人已经发表或撰写过的研究成果, 也不包含未获得
(注:如没有其他需要特别声明的,本栏可空)或其他教育机构的学位或证书使
用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明
确的说明并表示谢意。

学位论文作者签名: 签字日期: 年月日
--------------------------------------------------------------------



学位论文版权使用授权书
本学位论文作者完全了解学校有关保留、使用学位论文的规定,有权保留并
向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借阅。本人
授权学校可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用
影印、缩印或扫描等复制手段保存、汇编学位论文。同时授权中国科学技术信息
研究所将本学位论文收录到《中国学位论文全文数据库》,并通过网络向社会公
众提供信息服务。(保密的学位论文在解密后适用本授权书)


学位论文作者签名: 导师签字:

签字日期: 年月日签字日期: 年月日
基于核方法的支持向量机在人体动作识别中
的应用研究
摘要
随着计算机的发展,计算机视觉技术成为近年来的研究热点,计算机视觉就
是利用摄影机等成像设备代替人眼采集信息,然后由计算机代替人脑完成对运动
目标的检测、跟踪、识别等过程。人体动作识别是当今计算机视觉领域的热点的
研究方向之一,在移动终端设备中,可进行更智能化的人机交互,在智能监控系
统中,可实现监控的无人化值守。
支持向量机(Support Vector Machine,SVM)是由 Vapnik 等人在统计学习理论
的基础上提出的一种新型机器学习方法,在泛化能力和学习性能等方面具有明显
优势,能有效地解决小样本、非线性、高维数等问题,是一种强有力的分类方法。
自 20 世纪 90 年代提出以来,SVM 就得到了迅速的发展,被广泛应用于人脸识
别、文本分类、医学图像处理等领域。
核方法是实现支持向量机中非线性映射的一种重要方法,核方法的关键技术
是核函数的选择或构造。本论文的目的是研究混合核函数在人体动作识别中的应
用。
本论文主要工作如下:
,但泛化性能较弱,而全局性核函数泛化
性能强,但学习能力较弱的不足,提出将两类核函数组成混合核函数,人体动作
识别实验表明该方法优于单核函数。
2. 提出采用基于混合核函数 SVM 的方法进行动作识别,与常用的模板匹
配法进行人体动作识别相比较,具有运算量小,识别率高的特点。
,只有人体动作的彩色图像,为了方便
采用主成分分析算法进行降维处理,以提高运算速度,本文对所有图像进行了灰
度处理,建立了灰度图像数据库,并用实验证明了基于混合核函数支持向量机在
动作识别中的实用性和有效性。
关键词:统计学习理论,支持向量机,混合核函数,模板匹配法,动作识别


I
II
Kernel Methods for Support Vector Machine in the Application
of Human Action Recognition
Abstract
With the development puter, computer vision technology has e a hot
research topic in recent years. Computer vision is a kind of technology that uses
cameras or other photographic devices instead of people’s eyes to collect information,
aiming plete the process of moving target detection, tracking and recognition
through puter instead of a human br