一种基于跨域学习的跨视角动作识别方法

摘要

本发明公开了一种基于跨域学习的跨视角动作识别方法，所述方法包括以下步骤：对目标域和源域的视频数据分别提取视觉特征，采用视觉词袋模型作为视觉表示，形成原始特征向量集；通过变换矩阵将来自不同视图的原始特征变换到公共特征空间中，将原始特征和变换特征结合，分别形成目标域和源域新的特征映射函数，构成新的特征向量集；采用基于标准支持向量机的跨域学习方法训练变换矩阵，并为每个人体动作生成最终分类器；利用分类器对待测视频进行动作类别的判定，得到最终的识别结果。本发明避免了传统动作识别场景中对摄像机空间位置信息的依赖，应用两个变换矩阵使不同的视角域映射到一个共同的特征空间，有效地提高了跨视角动作识别的准确率。