公开(公告)号：CN112580606A

公开(公告)日：2021-03-30

申请号：CN202011625139.7

申请日：2020-12-31

Applicant: 安徽大学

Inventor： 邱剑锋 ,  武梦雨 ,  凤元东 ,  田野 ,  张兴义

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06F17/16

Abstract: 本发明公开了一种基于聚类分组的大规模人体行为识别方法，包括：步骤一、对人体行为数据进行采集；步骤二：生成人体行为特征选择方案种群，并设置参数；步骤三、通过聚类对人体行为特征进行分组，将个体从原始空间映射到低维空间，在低维空间中生成子代以降低耗费成本，并通过环境选择迭代选取优质特征选择方案，最终得到最优的人体行为特征选择方案。本发明能减少大规模人体行为识别特征选择问题中所耗费的时间和空间，并通过自适应的调整参数，在大规模的人体行为特征集中快速的获得优质特征选择方案进行人体行为识别，以提高识别准确性。

公开(公告)号：CN112580606B

公开(公告)日：2022-11-08

申请号：CN202011625139.7

申请日：2020-12-31

Applicant: 安徽大学

Inventor： 邱剑锋 ,  武梦雨 ,  凤元东 ,  田野 ,  张兴义

IPC: G06V40/20 ,  G06V20/52 ,  G06V10/46 ,  G06V10/764 ,  G06F17/16

Abstract: 本发明公开了一种基于聚类分组的大规模人体行为识别方法，包括：步骤一、对人体行为数据进行采集；步骤二：生成人体行为特征选择方案种群，并设置参数；步骤三、通过聚类对人体行为特征进行分组，将个体从原始空间映射到低维空间，在低维空间中生成子代以降低耗费成本，并通过环境选择迭代选取优质特征选择方案，最终得到最优的人体行为特征选择方案。本发明能减少大规模人体行为识别特征选择问题中所耗费的时间和空间，并通过自适应的调整参数，在大规模的人体行为特征集中快速的获得优质特征选择方案进行人体行为识别，以提高识别准确性。