×
周，尹;刘凯;拉斐尔·卡里略（Rafael E.Carrillo）。;Kenneth E.巴纳。;福阿德·基亚米列夫

基于核的手势识别稀疏表示。 （英文） Zbl 1326.68259号

模式识别 46，第12号，3208-3222（2013）.
摘要：在本文中，我们提出了一种新的基于稀疏表示的框架，用于将捕获的复杂人体手势分类为多变量时间序列（MTS）。新的特征提取策略CovSVDK可以克服MTS数据之间长度不一致的问题，并且对人类手势中的大可变性具有鲁棒性。与PCA和LDA相比，CovSVDK特征在保留鉴别信息方面更有效，并且在大规模MTS数据集上计算效率更高。此外，我们提出了一种新的核化稀疏表示方法。通过核化，实现的字典原子对于稀疏编码算法来说更容易分离，数据之间的非线性关系可以方便地转换为核空间中的线性关系，从而实现更有效的分类。最后，通过大量的实验证明了该框架的优越性。

MSC公司：

68吨10 模式识别、语音识别
68T05型 人工智能中的学习和自适应系统
68T45型 机器视觉和场景理解

关键词：

手势识别;计算机视觉;压缩传感;稀疏表示;字典学习

软件：

伦敦银行支持向量机
PDF格式BibTeX公司 XML格式引用
\textit{Y.Zhou}等，模式识别46，No.12，3208--3222（2013；Zbl 1326.68259）
全文： DOI程序

参考文献：

[1] 亚哈龙，M。；Elad，M。；Bruckstein，A.，K-svdan算法用于设计稀疏表示的过完备字典，IEEE信号处理学报，54，11，4311-4322（2006）·Zbl 1375.94040号
[2] Wright，J。；杨，A。；Ganesh，A。；Sastry，S。；Ma，Y.，通过稀疏表示实现鲁棒人脸识别，IEEE模式分析和机器智能汇刊，31，2，210-227（2009）
[11] Sakoe，H。；Chiba，S.，语音识别的动态编程算法优化，IEEE声学、语音和信号处理汇刊，26，1，43-49（1978）·Zbl 0371.68035号
[13] 弗拉乔斯，M。；Hadjieleftheriou，M。；Gunopulos，D。；Keogh，E.，支持多距离测量的多维时间序列索引，ACM SIGMOD，216-225（2003）
[15] 巴希尔，F。；Khokhar，A。；Schonfeld，D.，使用隐马尔可夫模型的基于对象轨迹的活动分类和识别，IEEE图像处理学报，16，7，1912-1919（2007）
[16] Krzanowski，W.J.，《主成分组间比较》，《美国声学学会杂志》，第74、367、703-707页（1979年）·Zbl 0459.62042号
[17] 张，L。；周，W.-D。；Chang，P.-C。；刘杰。；严，Z。；Wang，T。；Li，F.-Z.，基于核稀疏表示的分类器，IEEE信号处理汇刊。，60, 4, 1684-1695 (2012) ·Zbl 1393.94733号
[20] 坎迪斯，E.J。；J.隆伯格。；Tao，T.，鲁棒不确定性原理从高度不完整的频率信息中精确重建信号，IEEE信息理论汇刊，52，2，489-509（2006）·Zbl 1231.94017号
[21] Tropp，J。；Gilbert，A.，通过正交匹配追踪从随机测量中恢复信号，IEEE信息理论汇刊，53，12，4655-4666（2007）·Zbl 1288.94022号
[22] Needell，D。；Tropp，J.A.，从不完整和不准确样本中恢复Cosampiterative信号，ACM通信，53，12，93-100（2010）
[27] Wu，S。；Li，Y.，关于有效运动轨迹识别的特征不变量，国际机器人研究杂志，27，8，895-917（2008）
[28] 翁，X。；Shen，J.，使用二维奇异值分解对多元时间序列进行分类，基于知识的系统，21，7，535-539（2008）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。