基于深度和惯性传感器的人体动作识别的多视图柯西估计器特征嵌入
计算机视觉与模式识别
2016-09-06 v2
摘要
Kinect 和惯性传感器的日益普及促使人们对人体动作识别进行了密集的研究努力。由于人体动作可以通过从 Kinect 和惯性传感器提取的多种特征表示来表征，因此必须将多视图特征编码到对人体动作识别最优的统一空间中。在本文中，我们提出了一种称为多视图柯西估计器特征嵌入（MCEFE）的新无监督特征融合方法，用于人体动作识别。通过最小化经验风险，MCEFE 整合了多视图中编码的互补信息，以找到统一的数据表示和投影矩阵。为了增强对异常值的鲁棒性，将柯西估计器施加于重构误差。此外，在投影矩阵上强制实施集成流形正则化，以编码不同视图之间的相关性并避免过拟合。实验在新的中国科学院 - 云南大学多模态人体动作数据库（CAS-YNU-MHAD）上进行，以证明 MCEFE 在人体动作识别方面的有效性和鲁棒性。
引用
@article{arxiv.1608.02183,
title = {Multiview Cauchy Estimator Feature Embedding for Depth and Inertial Sensor-Based Human Action Recognition},
author = {Yanan Guo and Lei Li and Weifeng Liu and Jun Cheng and Dapeng Tao},
journal= {arXiv preprint arXiv:1608.02183},
year = {2016}
}
备注
This paper has been withdrawn by the author due to a crucial error