[发明专利]基于多图表达的人体动作学习方法有效
| 申请号： | 201410267729.5 | 申请日： | 2014-06-17 |
| 公开（公告）号： | CN104166981B | 公开（公告）日： | 2017-02-15 |
| 发明（设计）人： | 邵岭;西蒙·琼斯;龙洋 | 申请（专利权）人： | 南京信息工程大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00 |
| 代理公司： | 南京经纬专利商标代理有限公司32200 | 代理人： | 刘谦,朱小兵 |
| 地址： | 215101 江苏省苏州市吴中区木*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于多图表达的人体动作学习方法，包括将特征空间分成几个相互独立的子空间，并通过多个图来表示所述子空间；从每个子空间产生不同的关联矩阵，并且在每个子空间进行谱嵌入；将这些嵌入缩放连结在一起，为每个信息点得到一个单一表示，以生成特征集合谱多重图FGSM，所述FGSM能从原始的特征空间得到最少的数据丢失；将FGSM应用于聚类、信息检索和识别算法，以进行人体动作学习。本发明提供的基于多图表达的人体动作学习方法方便产品防伪验证操作，提高验证效率，适于实用。 | ||
| 搜索关键词： | 基于 图表 人体 动作 学习方法 | ||
【主权项】：
一种基于多图表达的人体动作学习方法，其特征在于，包括：将特征空间分成几个相互独立的子空间，并通过多个图来表示所述子空间；从每个子空间产生不同的关联矩阵，并且在每个子空间进行谱嵌入；将这些嵌入缩放连结在一起，为每个信息点得到一个单一表示，以生成特征集合谱多重图FGSM，所述FGSM能从原始的特征空间得到最少的数据丢失；将FGSM应用于聚类、信息检索和识别算法，以进行人体动作学习；其中所述将特征空间分成几个相互独立的子空间，包括：在一个希尔波特‑史密特独立判据HSIC值的关联图上计算每对特征，以通过频谱聚类而得到所述HSIC中，两个随机变量全部的非线性依赖性；所述在一个希尔波特‑史密特独立判据HSIC值的关联图上计算每对特征，包括：用以下步骤从有限个(xi,yi)元组中用经验公式估计出来：ρn(x,y)=1(1-n)2tr(HkxHky)---(2)]]>其中，Hij＝δij‑n‑1，Hi是指Hkx，Hj是指Hky，kx和ky分别是矢量x和y的矢量积，n是采样的个数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京信息工程大学，未经南京信息工程大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201410267729.5/，转载请声明来源钻瓜专利网。
