1 江南大学物联网工程学院, 江苏 无锡 214122
2 新疆大学电气工程学院, 新疆 乌鲁木齐 830047
为了解决协作表征分类器(CRC)对相似样本误分类概率高的问题,提出一种判别协作表征分类器(DCRC)。该分类器考虑了所有训练样本和每一类样本对协作表征系数的影响,得到判别性强的协作表征系数,提升了对相似样本的判别性。基于DCRC进行人体行为识别研究。首先用深度运动映射图(DMMs)提取深度动作序列特征,得到DMMs特征描述子,然后利用DCRC对特征描述子进行协作表征编码,最后利用新的判别规则进行分类识别。在人体行为识别数据集上的实验结果表明,DCRC对相似动作具有一定的判别性,且识别精度优于现有的方法。
图像处理 人体行为识别 判别协作表征分类器 协作表征分类器 深度图 深度运动映射图 激光与光电子学进展
2018, 55(1): 011010
1 天津大学电子信息工程学院,天津 300072
2 天津津航技术物理研究所,天津 300308
利用动态随机点立体图,排除心理暗示线索对深度运动的影响,对立体视觉深度运动特性进行了研究。利用主观实验,分析了深度运动物体的运动位置、运动方向和运动速度等运动特性对于立体视觉舒适度(Stereo visual comfort,SVC)的影响, 并提出深度运动情况下的SVC与运动速度的预测模型。实验结果表明,动态随机点立体图中,运动物体的深度运动诱发了透视效果;在交叉视差(屏幕前)和非交叉视差(屏幕后)情况下,立体视觉深度运动导致的SVC不同。对计算得到的SVC的预测值和实测值进行相关性检测,三种深度运动的皮尔森相关系数(Pearson correlation coefficient,PCC)分别为0.956、0.972、0.977,充分表明该预测模型能够准确地预测SVC。
立体视觉 深度运动 动态随机点立体图 stereo vision depth motion SVC SVC dynamic random dot stereograms