[发明专利]基于混合式协同训练的人体动作识别方法及系统有效
| 申请号： | 201610913531.9 | 申请日： | 2016-10-20 |
| 公开（公告）号： | CN106778796B | 公开（公告）日： | 2020-04-21 |
| 发明（设计）人： | 姜震;景陈勇;彭长生;詹永照 | 申请（专利权）人： | 江苏大学;江苏科海智能系统有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 212013 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于混合式协同训练的人体动作识别方法及系统。方法包括：利用人体动作识别领域中基于模板的KNN算法和基于概率统计的SVM算法来构建基分类器，然后进行二者间迭代的协同训练以提高它们的识别性能，同时改进协同训练中对伪标签样本的选择方法和迭代训练策略，最后对KNN模型和SVM模型的识别结果进行融合，得出待识别样本所属的人体动作类别。本发明利用不同类型的方法来构建分类器，通过它们之间的协同训练，可以实现不同识别方法的优势互补，有效解决了以往单一识别方法在复杂场景下识别效果不佳的问题。此外，引入伪标签样本作为新的训练样本，有效减少人工标注样本的成本。从而实现了以较少的训练样本达到更好识别准确率的目的。 | ||
| 搜索关键词： | 基于 混合式 协同 训练 人体 动作 识别 方法 系统 | ||
【主权项】：
基于混合式协同训练的人体动作识别方法，其特征在于，包括：S1.分别选择一种基于模板的分类器KNN和一种基于概率统计的分类器SVM作为两个基分类器，进行二者之间的迭代协同训练，以提高它们的识别性能；S2.利用迭代协同训练后的两个基分类器KNN和SVM分别进行动作识别，然后对二者的识别结果进行融合，得到待识别样本所属的人体动作类型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于江苏大学;江苏科海智能系统有限公司，未经江苏大学;江苏科海智能系统有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610913531.9/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于增量学习的分类方法及装置
- 下一篇：一种身份智能识别方法
