基于知识迁移的跨领域人体动作识别

项目名称： 基于知识迁移的跨领域人体动作识别

项目编号： No.61403417

项目类型： 青年科学基金项目

立项/批准年度： 2014

项目学科： 自动化技术、计算机技术

项目作者： 刘佳

作者单位： 中国人民武装警察部队工程大学

项目金额： 25万元

中文摘要： 人体动作识别是当前模式识别和计算机视觉领域研究的热点。传统的动作识别假设训练和测试样本来自相同的分布,然而这个假设在很多情况下并不成立。例如一个识别系统很难获得足够多的标记样本来训练分类模型。为有效利用多种动作视频数据，提高动作识别的性能，本项目借助迁移学习的思想,拟深入探索跨领域(Cross-Domain)的动作识别理论，主要研究：(1) 跨库(Cross-Dataset)动作识别方法，深入分析动作数据库的底层特征，将概率主题模型引入到跨库识别中，研究数据库中高层语义知识的表示和传递。（2）跨视角(Cross-View)的动作识别方法，深入探索不同视角下动作模式的本质联系，将概率主题模型引入跨视角的识别任务中，构建可在不同视角间迁移的高层知识表示。（3）研究基于主题模型的迁移学习理论，引入监督形式的概率主题模型，将跨库动作识别和跨视角动作识别整合到一个统一的学习框架。

中文关键词： 人体动作识别；迁移学习；跨领域识别；概率主题模型；知识表示

英文摘要： Recognizing human activities in video has become one of the most amazing applications of pattern recognition and computer vision. One fundamental assumption in traditional learning is that training and testing data are sampled from an identical d

英文关键词： human action recognition；transfer learning；cross-domain recognition；probabilistic topic model；knowledge representation