[发明专利]基于自动特征选择和集成学习算法的人体动作识别方法有效
| 申请号： | 201910203015.0 | 申请日： | 2019-03-18 |
| 公开（公告）号： | CN109934179B | 公开（公告）日： | 2022-08-02 |
| 发明（设计）人： | 刘丽珏;舒雷;舒鑫;叶星宏 | 申请（专利权）人： | 中南大学 |
| 主分类号： | G06V40/20 | 分类号： | G06V40/20;G06V10/774;G06V10/77 |
| 代理公司： | 长沙正奇专利事务所有限责任公司 43113 | 代理人： | 马强;李美丽 |
| 地址： | 410083 湖南*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于自动特征选择和集成学习算法的人体动作识别方法，包括以下步骤：A，获得人体动作的数据信息集；B，对人体动作的数据信息集进行重采样，利用重采样点数据、窗口数据对应的时域特征、窗口数据对应的频域特征构建样本特征空间；C，利用基于卡特树的特征评价算法和集成学习算法对样本特征空间中的样本数据进行训练，得到训练好的双层模型，其中该双层模型包括特征选择层和动作识别层；D，用训练好的双层模型对人体动作进行分类识别，实现自动特征选择和人体动作识别。本发明能够自动选择出对模型有利的特征，减少了额外的人为操作，提高了工程效率；使用集成学习算法进行人体动作识别，训练时间少，识别率高。 | ||
| 搜索关键词： | 基于 自动 特征 选择 集成 学习 算法 人体 动作 识别 方法 | ||
【主权项】：
1.一种基于自动特征选择和集成学习算法的人体动作识别方法，其特征在于，包括以下步骤：步骤A，获得人体动作的数据信息集；步骤B，在人体动作的数据信息集中设置一个滑动窗口，在该滑动窗口中对人体动作的数据信息集进行重采样，利用重采样点数据、窗口数据对应的时域特征、窗口数据对应的频域特征构建样本特征空间；步骤C，利用基于卡特树的特征评价算法和集成学习算法对样本特征空间中的样本数据进行训练，得到训练好的双层模型，其中该双层模型包括特征选择层和动作识别层；步骤D，用训练好的双层模型对人体动作进行分类识别，实现自动特征选择和人体动作识别。
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中南大学，未经中南大学许可，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/201910203015.0/，转载请声明来源钻瓜专利网。
