论文部分内容阅读
词袋模型在构造视觉字典时,对特征做单一划分,容易造成误差,且其忽略了局部特征在时空中的关系,为此提出一种基于K-SVD编码和时空金字塔词汇森林的识别方法。使用K-SVD稀疏编码的方式构造字典,将特征划分到多个类别中,通过多个视觉单词的线性加权来表示特征向量,减少单一划分的误差,增强分类能力,通过构造时空金字塔词汇森林对特征的结构信息做进一步描述,获得更加丰富且具有区分度的分类模型。实验结果表明,该方法进一步描述了特征中的潜在信息,行为识别精度高达97.33%。