3D人体骨架识别是近年来计算机视觉领域的研究热点。为了对具有非线性流形结构的高维股价序列数据进行准确而高效的分类，提出一种基于乘积格拉斯曼流形的人体骨架动作识别方法。利用乘积格拉斯曼流形描述序列数据的流形结构，构造出一种新的低维子空间表示，并借助流形上的非线性度量比较序列之间的差异。在此基础上，提出一种融合时序信息的核，从而实现对动作序列的高效分类。实验结果表明，该方法在多个骨架动作数据集上都能提高动作识别的准确率，验证了该方法的有效性，进而为更广泛的时间序列分类提供了新思路。
科研之友
微信
新浪微博
Facebook
分享链接
