[发明专利]基于综合型线性分类器和解析型字典的行为识别方法

摘要

本发明公开了一种可提高行为识别准确率与运行速度的基于综合型线性分类器和解析型字典的行为识别方法，首先对训练集和测试集样本进行预处理，对行为视频样本采用一种高层次的表示方法，每个样本对应一个语义丰富的特征列向量；优化学习得到解析型字典Ω和综合型线性分类器R；获得测试样本的编码系数；将测试样本的编码系数、综合型线性分类器R一起输入到分类器中，得到最终分类结果。

主权项

一种基于综合型线性分类器和解析型字典的行为识别方法，其特征在于按照如下步骤进行：S1，优化学习得到解析型字典和综合型线性分类器R：对训练集数据建立模型，通过交替迭代的优化策略最小化目标函数，进而获得解析型字典、综合型线性分类器R和编码系数X；所述模型如下：（1）上述模型（1）中：为人工设置的权重参数，用于调节各项之间的相对大小关系；H是包含样本类别信息的标签矩阵；T 是控制编码系数X的稀疏度的正整数；是解析型字典的约束集合，设定为F范数相对小的矩阵集合，则模型（1）表示为：（2）其中，β是决定项贡献的标量参数，模型（2）中的第一部分是基本的解析型字典学习模型：其中，代表稀疏重构误差，x_i是编码系数X 的第i列，其0范数约束使得x_i中非零元素个数不大于T；模型（2）中的第二部分是基于综合型线性分类器的误差项R，设置C等于样本的类别总数，矩阵的每一列为仅有1个非零元素的列向量，其非零元素的位置就对应于训练样本的类别信息，综合型线性分类器在编码系数和样本的类别标签之间建立一个对应关系；模型（2）中的第三部分是解析型字典的约束；S2，获得测试集的编码系数：用训练好的解析型字典，根据对测试样本进行编码，其中y表示待编码的样本数据，x表示样本的编码系数；S3，将测试样本的编码系数x和综合型线性分类器R一起输入基于最小化分类误差原理的分类器中，根据样本库中的类别数目C，设定一个标准的标签矩阵L，标签矩阵的每一个列向量l_j，j=1,2,...,C代表特定的类别信息，分类准则为（3）使式中目标函数值最小的列向量l_predict包含测试样本的类别信息，即可由l_predict得到最终的分类结果。