15、人体动作识别与行人重识别的前沿技术探索

人体动作识别与行人重识别的前沿技术探索

人体动作识别：基于骨架流模式与慢特征分析

在人体动作识别领域，为了提高识别的准确性和效率，研究人员提出了一种利用骨架关节流进行人体动作识别的方法。该方法主要包括生成多阶流、应用慢特征分析（SFA）以及使用姿态词直方图的时间金字塔来描述动作序列的全局时间信息等步骤。

多阶流与SFA的作用

• 多阶流生成 ：从原始数据中生成多阶流，以增强骨架关节流的描述能力。不同阶数的流能够捕捉到动作的不同特征，为后续的识别提供更丰富的信息。
• SFA的应用 ：采用SFA来减少数据的内部方差。SFA可以学习到数据中的缓慢变化特征，有助于提高识别的稳定性。

实验结果分析

通过实验对比了不同阶数的流以及结合SFA后的识别准确率，具体结果如下表所示：
| 方法 | AS1 | AS2 | AS3 | 平均 |
| — | — | — | — | — |
| 1st Order | 59.14 | 61.61 | 76.42 | 65.72 |
| 2nd Order | 75.26 | 62.50 | 87.74 | 75.17 |
| 3rd Order | 74.19 | 64.29 | 87.74 | 75.41 |
| Multi - Order | 83.49 | 74.54 | 90.29 | 82.78 |
| 1st Order + SFA | 64.52 | 60.71 | 73.58 | 66.27 |