Resumen

El reconocimiento de la acción humana es una tarea importante y desafiante. La proyección de imágenes de profundidad en tres mapas de movimiento de profundidad (DMM) y la extracción de características de redes neuronales convolucionales profundas (DCNN) son características descriptoras discriminantes para caracterizar la información espaciotemporal de una acción específica a partir de una secuencia de imágenes de profundidad. En este trabajo, se propone un marco unificado de representación colaborativa mejorada en el que la probabilidad de que una muestra de prueba pertenezca al subespacio colaborativo de todas las clases puede definirse y calcularse correctamente. El clasificador de representación colaborativa mejorado (ICRC) basado en l2-regularizado para el reconocimiento de acciones humanas se presenta para maximizar la probabilidad de que una muestra de prueba pertenezca a cada clase, luego la investigación teórica sobre ICRC muestra que obtiene una clasificación final calculando la probabilidad para cada clase. Junto con las características DMM y DCNN, los experimentos sobre el reconocimiento de acciones basado en imágenes de profundidad, incluidos los conjuntos de datos MSRAction3D y MSRGesture3D, demuestran que el enfoque propuesto, que utiliza con éxito un clasificador de representación basado en la distancia, consigue un rendimiento superior al de los métodos más avanzados, incluidos SRC, CRC y SVM.

• Materias:Ingeniería electrónica Redes Inalámbricas Ingeniería Eléctrica Procesamiento de señales asistido por computador Sistemas de comunicación Informática
• Subjects:Electronic engineering Wireless Networks Electrical Engineering Signal processing computer-assisted Communication systems Computing
• Palabras claves:imágenes en profundidad, muestra de prueba, red neuronal convolucional profunda, importante tarea reciente desafiante, clasificador de representación colaborativa mejorado, marco de representación colaborativa mejorado unificado, reconocimiento de la acción humana, mapas de movimiento en profundidad, reconocimiento de la acción humana, dcnn
• Keywords:depth images, test sample, deep convolutional neural network, important recent challenging task, improved collaborative representation classifier, unified improved collaborative representation framework, human action recognition, depth motion maps, human action recognition, dcnn