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。

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。