×
史亚飞;魏燕涛;潘东辉;邓伟;姚、黄;陈天田;赵刚;童明文;刘庆堂

基于Fisher广义学习系统的学生身体手势识别。 （英语） Zbl 1434.68543号

国际小波多分辨率。Inf.流程。 17，第1号，文章ID 1950001，16 p.（2019）.
总结：在过去的几十年里，观察学生身体姿势被广泛用于评估教学效果。然而，人工观察不适合学习分析领域的自动数据分析。因此，本文提出了一种基于Fisher BroadLearning System（FBLS）和局部对数-核素多元高斯（（mathrm L^2\mathrm{EMG}））的学生身体手势识别方法。FBLS是通过将区分性信息引入到广义学习系统（BLS）的隐含层，并降低隐含层表示的维数来设计的。FBLS在准确性和速度上具有优势。此外，（\mathrm L^2\mathrm{EMG}）是一种非常独特的描述子，它用多元高斯分布来表征局部图像。因此，本文将（mathrmL^2\mathrm{EMG}）特征输入到FBLS中进行识别。在自建数据集上的大量实验结果表明，所提出的学生身体手势识别方法比其他基准测试方法获得了更好的结果。

引用于1文件

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
68单位10 图像处理的计算方法

关键词：

学生身体手势识别;费希尔广博学习系统;学习分析
PDF格式BibTeX公司 XML格式引用
\textit{Y.Shi}等人，《国际小波多分辨率》。信息处理。17，第1号，文章ID 1950001，16 p.（2019；Zbl 1434.68543）
全文： 内政部

参考文献：

[1] Abidi，S.、Piccardi，M.和Williams，M.A.，《通过有效贪婪推理进行静态动作识别》，收录于Proc。IEEE冬季会议，计算机视觉应用，美国纽约州普莱西德湖，3月7日至10日（IEEE，2016），第1-8页。
[2] Blikstein，P.和Worsley，M.，《多模学习分析和教育数据挖掘：使用计算技术测量复杂的学习任务》，J.Learn。分析3（2）（2016）220-238。
[3] Chen，C.，Li，W.，Su，H.和Liu，K.，基于核极限学习机的高光谱图像光谱空间分类，遥感学6（6）（2014）5795-5814。
[4] Chen，C.P.和Liu，Z.，《Broadlearning system:无需深层架构的高效增量学习系统》，IEEE Trans。神经网络。学习。系统29（1）（2018）10-24。
[5] Delaitre，V.、Laptev，I.和Sivic，J.，《识别静止图像中的人类行为：bag-of-features和基于部分的表征的研究》，摘自《Proc。英国机器视觉会议，英国威尔士阿伯里斯特维思，2010年8月30日至9月2日，第1-11页。
[6] Felzenszwalb，P.F.、Girshick，R.B.、McAllester，D.和Ramanan，D.，《基于区分训练的零件模型的对象检测》，IEEE Trans。模式分析。机器。《情报》32（9）（2010）1627-1645。
[7] Ferguson，R.，《学习分析：驱动因素、发展和挑战》，国际科技期刊。强化学习。4（5-6）（2012）304-317。
[8] Herath，S.、Harandi，M.和Porikli，F.，《深入行动识别：调查》，《图像视觉》。计算60（2017）4-21。
[9] Khan，F.S.、Anwer，R.M.、Van De Weijer，J.、Bagdanov，A.D.、Lopez，A.M.和Felsberg，M.，《静态图像中的彩色动作识别》，国际计算机杂志。见105（3）（2013）205-221。
[10] Kim，Y.，Soyata，T.和Behnagh，R.F.，《走向情感软件智能教室：工程和教育的当前问题和方向》，IEEE Access6（2018）5308-5331。
[11] Kumar，E.K.、Kishore，P.、Sastry，A.、Kumar，M.T.K.和Kumar，D.A.，使用彩色纹理编码关节角位移图进行三维手语识别的训练cnns，IEEE信号处理。信函25（5）（2018）645-649。
[12] Lang，C.、Siemens，G.、Wise，A.和Gasevic，D.，《学习分析手册》（SOLAR学习分析与研究学会，2017年）。
[13] LeCun，Y.、Bengio，Y.和Hinton，G.，《深度学习》，《自然》521（7553）（2015）436-444。
[14] Li，P.，Wang，Q.，Zeng，H.和Zhang，L.，局部对数核素多元高斯描述子及其在图像分类中的应用，IEEE Trans。模式分析。机器。Intell.39（4）（2017）803-817。
[15] Li，H.，Wei，Y.，Li，L.和Chen，C.P.，用于图像识别的局部神经响应层次特征提取，IEEE Trans。Cybern.43（2）（2013）412-424。
[16] Liu，H.和Wang，L.，《人机协作的手势识别：综述》，国际期刊，印度埃尔贡。(2017). https://doi.org/10.1016/j.ergon.2017.02.004
[17] Luo，Z.、Peng，B.、Huang，D.-A.、Alahi，A.和Fei-Fei，L.，视频长期运动动力学的无监督学习，收录于Proc。IEEE Conf.计算机视觉和模式识别，美国夏威夷火奴鲁鲁，7月21-26日（IEEE，2017），第7101-7110页。
[18] Luo，H.，Tang，Y.Y.，Biuk-Aghai，R.P.，Yang，X.，Yang。Inf.过程16（03）（2018）1850016·Zbl 1404.68202号
[19] Mitra，S.和Acharya，T.，《手势识别：调查》，IEEE Trans。系统。人类网络。C应用。修订版37（3）（2007）311-324。
[20] Mountrakis，G.、Im，J.和Ogole，C.，《遥感中的支持向量机：综述》，ISPRS J.Photogram。遥感器66（3）（2011）247-259。
[21] Pao，Y.-H.，Park，G.-H.和Sobajic，D.J.，随机向量函数链接网络的学习和泛化特征，神经计算6（2）（1994）163-180。
[22] Poppe，R.，基于视觉的人类动作识别调查，图像视觉。计算结果28（6）（2010）976-990。
[23] Rao，G.A.、Syamala，K.、Kishore，P.和Sastry，A.，手语识别的深度卷积神经网络，收录于Proc。IEEE Conf.Signal Processing and Communication Engineering Systems，印度维贾亚瓦达，1月4-5日（IEEE，2018），第194-197页。
[24] Riesenhuber，M.和Poggio，T.，皮层物体识别的层次模型，《自然神经科学》2（11）（1999）1019-1025。
[25] Siemens，G.，《学习分析：学科的出现》，Am.Behav。科学57（10）（2013）1380-1400。
[26] Suykens，J.A.和Vandewalle，J.，最小二乘支持向量机分类器，神经过程。Lett.9（3）（1999）293-300。
[27] Tsaruchi，P.，Athanasatos，A.，Makris，S.，Chatzigeorgiou，X.和Chryssolouris，G.，《使用身体和手势的高级机器人编程》，Procedia CIRP55（2016）1-5。
[28] Wang，J.，Yang，J..，Yu，K.，Lv，F.，Huang，T.和Gong，Y.，《图像分类的局部约束线性编码》，Proc。IEEE Conf.Computer Vision and Pattern Recognition，美国加利福尼亚州旧金山，6月13-18日（IEEE，2010），第3360-3367页。
[29] Xiao，Y.、Zhang，Z.、Beck，A.、Yuan，J.和Thalmann，D.，通过理解上身手势进行人与机器人的交互，《在场（Camb）》23（2）（2014）133-154。
[30] Yang，W.，Wang，Y.和Mori，G.，从具有潜在姿势的静止图像中识别人类行为，《Proc。IEEE Conf.Computer Vision and Pattern Recognition，美国加利福尼亚州旧金山，6月13-18日（IEEE，2010），第2030-2037页。
[31] Yang，J.，Yu，K.，Gong，Y.和Huang，T.，《使用稀疏编码进行图像分类的线性空间金字塔匹配》。IEEE Conf.Computer Vision and Pattern Recognition，佛罗里达州迈阿密，6月20-25日（IEEE，2009），第1794-1801页。
[32] B.Yao，《理解静止图像中的人类行为》，斯坦福大学博士论文（2013年）。
[33] Yao，B.，Jiang，X.，Khosla，A.，Lin，A.L.，Guibas，L.和Fei-Fei，L.，《通过学习动作属性和部件的基础进行人类动作识别》，收录于Proc。IEEE国际计算机视觉会议，西班牙巴塞罗那，11月6日至13日（IEEE，2011年），第1331-1338页。
[34] Yu，S.，Cao，Z.和Jiang，X.，关于投影分布的拉普拉斯假设的稳健线性判别分析，见Proc。IEEE国际协调声学、语音和信号处理，美国新奥尔良，3月5-9日（IEEE，2017），第2567-2571页。
[35] Yu，M.、Xu，J.、Zhong，J.，Liu，W.和Cheng，W.，《课堂环境中学习过程的行为检测与分析》，第。美国印第安纳州印第安纳波利斯市教育前沿会议，10月18日至21日（IEEE，2017），第1-4页。
[36] Zeiler，M.D.和Fergus，R.，《可视化和理解卷积网络》，收录于Proc。《欧洲计算机视觉会议》，瑞士苏黎世，9月6日至12日（Springer，2014），第818-833页。
[37] Zhao，Y.，You，X.，Yu，S.，Xu，C.，Yuan，W.，Jing，X.-Y.，Zhang，T.和Tao，D.，带位置对齐的多视图流形学习，模式识别78（2018）154-166。
[38] Zhu，Z.，You，X.，Chen，C.P.，Tao，D.，Ou，W.，Jiang，X.and Zou，J.，一种用于抗噪纹理分析的自适应混合模式，模式识别。48（8）（2015）2592-2608。
[39] Zhu，G.，Zhang，L.，Shen，P.和Song，J.，使用三维卷积和卷积lstm的多模式手势识别，IEEE Access5（2017）4517-4524。
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且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。