基于高斯特征的人体运动情感识别研究

来源 :华中科技大学 | 被引量 : 0次 | 上传用户:xixiangreng
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
人体运动中包含大量的情感信息,是情感识别领域新的研究方向。但是目前基于人体运动进行情感识别的工作基础薄弱,大多是人工判别或者提取一些基本物理运动信息作为特征量进行机器学习,识别率不高。针对这一现状,在该领域引入具有强描述能力的特征来准确量化各类情感的运动,然后通过机器学习方法进行情感识别,提高识别效率。   现在常用的特征量大多为一般运动信息(速度、加速度、急动度等)的均值,没有考虑到人体运动的空间特性。那如何选取能完整描述人体运动的特征,从数学角度联想到了高斯特征,它是基于协方差特征缺少均值信息不能组成完整高斯估计而提出的,不仅包含了均值信息,还具有概率密度函数的描述空间信息的能力。因此引入高斯特征对人体运动进行描述以提高整个识别率。但是一个高斯特征对应于一个单高斯模型,在应用上高斯混合模型具有明显的强自适应性,是对单高斯模型的扩展及提升。所以在高斯特征基础上,再引入混合高斯特征以进一步实现对不同情感类别的全面描述。观察可知,所提取的特征和情感类别之间是复杂的非线性关系,因此采用机器学习方法进行有效地情感识别实验。基于不同数据集、不同核函数及不同特征组合下提取样本集的特征,进行交叉验证实验;把样本集合分为N份,每次留一份作为未知样本,共N次循环学习分类:每次给已知样本贴好情感类别标签,送入支持向量机进行学习建模;再用所得模型对未知样本进行识别分类。最终得到各个实验方案下的识别结果。   对实验结果从核函数的性能、特征的描述能力和推广能力等多个方面进行综合分析,验证了高斯特征和混合高斯特征具有优于现有特征的强描述能力,而且混合高斯特征的描述能力略优于高斯特征,但高斯特征具有更强的推广能力。
其他文献
目前,我国物流企业普遍呈现规模偏小、功能单一、各自为政的特点,缺乏规模效应,不能提供完整的物流链。第四方物流通过整合各种物流资源来为用户提供一体化的物流服务。随着
伴随着计算机技术以及互联网技术的迅速发展,计算机应用技术在我国农业发展中的作用越来越重要。长期以来,农药作为农业生产中使用最普遍和最广泛的病虫害防治手段,然而,农药
随着互联网与多媒体技术的飞速发展,视频信息给人们的生活带来了巨大的便利。然而,面对如此庞大的视频数据量,如何有效的组织、存储、检索与浏览视频已成为视频研究领域中的
多重数字图像水印技术使用相同或者不同的密钥,在同一幅图片中多次嵌入水印,其目的是保证版权认证信息的安全。多重数字图像水印较之普通水印更具有强壮性和安全性能,在对数字产
学位
XML已成为网络数据表示和信息交换的标准。随着XML在各个领域的广泛应用,其安全性也更多地受到人们的关注。   本文针对XML安全问题,分析了RSA密钥机制和XML自身的特点,将XML
学位
支持向量机因其坚实的理论基础与优越的学习性能已被广泛运用于大规模数据的学习中,但支持向量机优越性是建立在小样本的基础之上,在大规模样本的学习问题上它却并未表现出优势
互联网时代的到来,标志着我们生活方式的巨大改变。人们通过网络可以获取各种想要的信息。特别是伴随着Web技术由Web1.0向Web2.0逐渐过渡,金融领域信息开始在网络上进行集散,
数据仓库和OLAP联机分析系统提供了一些方法和工具来分析企业信息系统中的数据事务。但是,只有其中20%的信息是可以被OLAP分析系统分析。对于其他的80%的数据,大部分都是文件
粒子群优化算法作为一种新的智能优化算法,由于其收敛速度快、参数设置少,近年来受到众多学者的研究和重视。它常被用于解决大量非线性、不光滑和多峰值的复杂问题优化,现己广泛
“地震成像”领域的巨大进展是推动石油勘探工业的快速发展的主要动力。地震成像系统实现地震勘探结果的成像,便于地震数据解释人员、地质工程师等对地下地质构造、分层信息