[发明专利]基于稀疏张量局部Fisher判别分析算法的人体行为识别方法

摘要

本发明公开了一种基于稀疏张量的人体行为识别方法，该方法包括以下步骤：获取人体行为剪影序列构建样本，每个样本用三阶张量表示；使用稀疏张量局部Fisher判别分析训练出稀疏投影矩阵组；用求得的稀疏投影矩阵组把训练样本和待测样本投影到张量子空间；计算出待测样本和训练样本之间的相似度，构造基于张量距离的最近邻分类器对低维空间的待测样本进行识别。本发明的张量局部Fisher判别分析算法把求特征值、特征向量的问题转化为一系列的线性回归问题，不但满足了张量局部Fisher判别分析的目标，而且保证了得到的投影矩阵的稀疏性。

主权项

1.一种基于稀疏张量局部Fisher判别分析算法的人体行为识别方法，其特征在于，该方法包括以下步骤：S1：根据Weizmann人体行为库得到剪影图像序列，构建张量样本，所述人体行为库中10种不同的动作对应10类张量样本，根据所述张量样本构建训练样本集和待测样本集；S2：采用稀疏张量局部Fisher判别分析算法(STLFDA)根据训练样本集训练得到稀疏投影矩阵组；所述稀疏投影矩阵组能够将原始的张量样本从高维空间投影至低维张量子空间；S3：利用步骤S2求得的稀疏投影矩阵组分别将训练样本和待测样本投影到低维张量子空间；S4：计算待测样本和训练样本之间的张量距离，进而得到待测样本和训练样本之间的相似度，样本间距离越近，表示二者越相似；S5：根据相似度构造基于张量距离的最近邻分类器，对低维空间的待测样本进行识别；即在投影到低维空间的训练样本中寻找与待测样本特征距离最近的样本，确定待测样本的类别。