Resumen

El reconocimiento de acciones humanas es un área importante de la investigación en reconocimiento de acciones humanas. Centrándose en el problema de la auto-oclusión en el campo del reconocimiento de acciones humanas, se presentó un nuevo enfoque de reconocimiento de comportamiento de estado de oclusión adaptativo basado en el campo aleatorio de Markov y Análisis Semántico Latente Probabilístico (pLSA). En primer lugar, se utilizó el campo aleatorio de Markov para representar la relación de oclusión entre las partes del cuerpo humano en términos de una variable de estado de oclusión obtenida por espacio de fase. Luego, propusimos un modelo jerárquico de variedad de áreas. Finalmente, utilizamos el modelo de temas de pLSA para reconocer el comportamiento humano. Se realizaron experimentos en los conjuntos de datos KTH, Weizmann y Humaneva para probar y evaluar el método propuesto. Los resultados experimentales comparativos mostraron que lo que el método propuesto puede lograr fue más efectivo que los métodos comparados.

• Materias:Modelado matemático Modelo de red neuronal Tasa de convergencia Aritmética Ondículas libres
• Subjects:Mathematical modeling Neural network model Convergence rate Arithmetic Free wavelets
• Palabras claves:área; Reconocimiento de acciones humanas; Oclusión; Reconocimiento de comportamientos; Campo aleatorio de Markov; PLSA
• Keywords:Area; Human action recognition; Occlusion; Behavior recognition; Markov random field; PLSA