40、融合空间相关图到特征袋模型及基于对数欧几里得黎曼度量的人体动作识别

融合空间相关图到特征袋模型及基于对数欧几里得黎曼度量的人体动作识别

在计算机视觉领域，场景分类和人体动作识别是两个重要的研究方向。本文将介绍两种创新方法，一是将空间相关图融入特征袋模型以提升场景分类效果，二是基于对数欧几里得黎曼度量的人体动作识别新方法。

空间相关图融入特征袋模型

相关图方法介绍

• 自相关图（Self - Corr） ：自相关图仅考虑相同码字之间的空间相关性，其定义公式为：
  [Self\ Corr(v_i, I) = Corr(v_i, v_i, I) = \sum_{d\in I}\sum_{v(r_k)=v_i}T_k(v_i, d)]
  其对应的空间复杂度为 (O(ns))，取决于步数 (s)。当 (s = 1) 时，自相关图退化为直方图表示。
• k近邻相关图（kNN - Corr） ：除了自相关图方法，还通过考察词汇表及其在原始局部特征空间中的邻域来增强相关性。对于每个词汇 (v_i)，使用k近邻（kNN）算法找到码本中相邻码字的子集 (V_i)，仅使用 (v_j \in V_i \cap {v_i}) 来计算空间相关图 (Corr(v_i, v_j, I))。在实验中，选择 (k = 1) 或 (3)。这种策略是相关图方法（Corr）和自相关图方法（Self - Corr）之间的一种折衷，当 (k) 值不大时，存储和计算成本低于Corr方法，并且比Self - Corr方法能够表示更多的距离分布空间信息。

实验设置

• 数据集