申请/专利权人：中山大学

申请日：2020-12-02

公开（公告）日：2021-02-23

公开（公告）号：CN112396028A

主分类号：G06K9/00(20060101)

分类号：G06K9/00(20060101);G06K9/62(20060101);G06N20/20(20190101)

优先权：["20201126 CN 2020113497234"]

专利状态码：失效-发明专利申请公布后的视为撤回

法律状态：2022.11.15#发明专利申请公布后的视为撤回;2021.03.12#实质审查的生效;2021.02.23#公开

摘要：本发明提出一种基于局部边际最大化的动作识别方法，涉及计算机视觉的技术领域，解决了面对视频动作数据的噪声干扰时，当前通过投影降维的方法忽略原始动作行为数据中判别信息的保持及保护的问题，利用张量对动作视频训练集和待识别动作视频数据集中的每一个动作视频数据进行表征，从而能够充分考虑视频数据的空间信息；通过在低维空间中保持从原始动作视频数据集中所提取的相似性和非相似性系数，使得低维判别性局部的局部边际得以最大化，从而能够更好地保护每个局部所携带的判别信息，然后通过最大化局部边际，提高对判别性局部内的动作数据点的识别准确率。

主权项：1.一种基于局部边际最大化的动作识别方法，其特征在于，至少包括：S1.将动作视频数据集划分为动作视频训练集和待识别动作视频数据集；S2.将动作视频训练集和待识别动作视频数据集中的每一个动作视频数据表征为三阶视频序列张量，得到动作视频训练集张量和待识别动作视频数据集张量；S3.基于张量距离公式，将动作视频训练集划分为若干个判别性局部；S4.在高维空间中提取每个判别性局部的相似性系数和非相似性系数；S5.利用多线性投影方法，将动作视频训练集张量、提取到的每个判别性局部的相似性系数和非相似性系数映射到低维空间；S6.建立低维空间最大化局部边际优化函数，基于迭代优化求解优化函数的投影矩阵；S7.利用投影矩阵将动作视频训练集张量和待识别动作视频数据集张量均映射到低维空间，得到低维动作视频训练集张量及低维待识别动作视频数据集张量；S8.将低维动作视频训练集张量作为KNN分类器的训练集，利用KNN分类器对低维待识别动作视频数据集张量进行分类，完成动作识别。

全文数据：

权利要求：

百度查询： 中山大学 一种基于局部边际最大化的动作识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD