[发明专利]基于跨域字典学习的人体动作识别方法

权利要求书

1.一种基于跨域字典学习的人体动作识别方法，其特征在于，包括：

通过跨域的动作识别框架基于源域数据的方法来扩展目标域训练样本间的类内差异以增强现有识别系统的性能，以在目标域人工标注的动作信息的基础上，从一个不同域所获得的标注的数据作为源域提供；

通过判别性跨域词典学习方法学习一个域自适应字典对，并将具有不同分布的数据迁移到同一个特征空间中，以使得不同域数据间特征分布相匹配；

不进行不同域之间的对应标注信息，以便适应到现实中不同的迁移学习。

2.如权利要求1所述的基于跨域字典学习的人体动作识别方法，其特征在于，所述通过判别性跨域词典学习方法学习一个域自适应字典对，并将具有不同分布的数据迁移到同一个特征空间中，以使得不同域数据间特征分布相匹配，包括：

从目标域和源域得到动作视频中分别提取出局部密集弹道特征；

对这些提取出的局部密集弹道特征进行局部限制线性编码LLC；

通过所提出的判别性跨域字典学习技术，对于两个域的一个字典对将从动作的中层表达中学出，以使得不同域内同一种类的动作在通过所学字典对的编码后将具有相似的表达。

3.如权利要求2所述的基于跨域字典学习的人体动作识别方法，其特征在于，还包括：

令Y_t为包含N个训练样本的目标域的输入信号，即为获得目标域的稀疏表达而学习一个重建性的字典的过程，通过解决以下优化问题来实现：

<Dt,Xt>=argminDt,Xt||Yt-DtXt||22,s.t.∀i,||xti||0≤T,---(1)]]>

其中代表目标域的字典，代表稀疏信号，字典基的数目K_t被设定为远多于训练样本的个数N以确保这个字典是过完备的，T是稀疏限制因子，用来限制稀疏编码中非零元素的个数，在T的约束下，每个信号的分解基将小于T个。