60、视频中的人类动作识别与图像分类新方法

视频中的人类动作识别与图像分类新方法

1. 人类动作识别方法

在人类动作识别领域，一种基于结构信息与时空特征融合的新方法被提出。该方法旨在评估结构信息与时空特征在重要分类任务中的融合效果，而非单纯追求更高的动作识别准确率。

1.1 实验结果

在KTH数据集上进行实验，通过改变外观和结构组件的权重（$W_a$和$W_s$），得到不同的测试准确率，具体数据如下表所示：
| $W_a$ | $W_s$ | 测试准确率(%) |
| — | — | — |
| 1.0 | 0.0 | 85.7 |
| 0.9 | 0.1 | 85.9 |
| 0.8 | 0.2 | 86.8 |
| 0.7 | 0.3 | 87.9 |
| 0.6 | 0.4 | 88.9 |
| 0.5 | 0.5 | 89.8 |
| 0.4 | 0.6 | 87.9 |
| 0.3 | 0.7 | 85.8 |
| 0.2 | 0.8 | 82.2 |
| 0.1 | 0.9 | 77.9 |
| 0.0 | 1.0 | 48.7 |

从表中可以看出，当$(W_a, W_s) = (0.5, 0.5)$时，识别准确率达到最高。这表明将结构信息与时空特征相结合，能够显著提高识别准确率。

1.2 方法原理

该方法使用图嵌入提供的结构信息和STIP描述符提供的局部时空信息，通过修改后的具有多个独立观测的隐马尔可夫模型（HMM - MIO）进行联合建模。虽然该方法目前尚未超越现有技术的准确率，但它证明了结构特征和时空特征可以有