公开(公告)号：CN109934179A

公开(公告)日：2019-06-25

申请号：CN201910203015.0

申请日：2019-03-18

Applicant: 中南大学

Inventor： 刘丽珏 ,  舒雷 ,  舒鑫 ,  叶星宏

IPC: G06K9/00 ,  G06K9/62

Abstract: 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。

公开(公告)号：CN109934179B

公开(公告)日：2022-08-02

申请号：CN201910203015.0

申请日：2019-03-18

Applicant: 中南大学

Inventor： 刘丽珏 ,  舒雷 ,  舒鑫 ,  叶星宏

IPC: G06V40/20 ,  G06V10/774 ,  G06V10/77

Abstract: 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。