范晓杰
- 作品数：4 被引量：8H指数：1
- 供职机构：广西民族大学信息科学与工程学院更多>>
- 发文基金：广西壮族自治区自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于遗传算法的关节特征选择
- 2017年
- 随着低成本深度传感器(如微软Kinect)的出现,人体行为识别研究吸引了很多研究人员.由于这些设备提供了身体关节的三维位置等骨骼数据,使得基于骨骼的人体行为识别变得简单.但这些关节特征的信息存在部分冗余或者不必要的肢体特征,从而降低识别精度.为此,提出一种智能算法来优化关节点信息的方法过滤掉一些不必要的关节点的特征信息,从而提高识别精度.实验结果表明,提出的方法在UTKinect数据集上测试得到的精度达到97.39%,在Florence3D数据集上测试得到的精度达到93.05%.
- 唐凤宣士斌范晓杰
- 关键词：遗传算法
- 基于时空特征的人体行为识别技术研究
- 基于视频的人体行为识别研究是计算机视觉的研究热点之一,有广阔的应用前景,如人机交互、视频监控、虚拟现实等应用领域。而在复杂背景及外界因素（如光照、遮挡、运动）的影响下取得较高的识别精度是广大研究者主要关注的焦点,也是目前...
- 范晓杰
- 关键词：自组织特征映射卷积神经网络
- 文献传递
- 基于Dropout卷积神经网络的行为识别被引量：8
- 2017年
- 近年来,卷积神经网络(CNN)已经成为很多科学领域的研究热点之一.卷积神经网络作为一种深度模型可以直接作用于原始输入,不需要手动设计特征描述子.与传统神经网络相比识别效果有很大的提高.它已经建立了一类强大的模型来处理图像识别,并对其扩展到三维卷积神经网络(3D CNN)来处理视频识别问题.在此基础上,笔者对三维卷积神经网络做了如下改进:用Gabor小波核来初始化卷积操作,以达到模拟人类视觉系统对视觉刺激的响应;在网络训练的过程中加入Dropout技术,随机选择删除部分神经元,以此来提高网络的泛化能力,有效防止过拟合.提出的方法在KTH和UCF-YouTube数据集上进行验证,取得了很好地识别效果.
- 范晓杰宣士斌唐凤
- 关键词：卷积神经网络
- 人体行为识别中骨骼特征信息的鸡群优化选择算法
- 2017年
- 随着低成本深度传感器的出现,人体行为识别研究吸引了很多研究人员。由于这些设备提供了身体关节的三维位置等骨骼数据,使得基于骨骼的人体行为识别变得简单。但这些关节特征的信息存在部分冗余或者不必要的关节点信息,从而降低识别精度。为此,提出了用改进的CSO(Chicken Swarm Optimization)算法来优化关节点信息的方法,过滤一些不必要的关节点的特征信息,提高了识别精度。改进的CSO算法引入"佳点集"和OS(Ordered Subsets)方法,利用"佳点集"均匀化初始种群;利用OS方法将整个有序种群分成了3个部分,在进行位置更新时,引入猴群算法中的望-眺过程来比拟鸡群在觅食的过程中寻找食物的眺望过程作为其修正公式,加快了算法的收敛速度并且避免算法陷入局部最优。实验结果表明,提出的方法在UTKinect和Florence3D数据集上测试得到的精度分别达到98.01%和93.77%。
- 唐凤宣士斌范晓杰
- 关键词：佳点集
