融合数据增强的迁移字典学习

王子儒，李振民

中南大学 自动化学院，长沙 410083

人体行为识别在众多领域有着广泛的应用，例如基于内容的视频检索、人机交互和视频监控。人体行为识别一开始专注于研究一些由简单动作组成，视角特定的视频中的行为，例如跳跃、走路或是挥手。然而，复杂行为的识别更具有应用价值以及挑战性。这类行为的特点包括背景杂乱、视角不固定、遮挡以及目标的几何和光照变化，并且存在较大的类内差异[1]。

复杂行为识别最开始主流的方法都是基于手工特征。Dollar等人[2]提出了一种对每个检测到的3D兴趣点周围的时空体积的三维立方体进行表征的方法。Wang等人[3]对视频进行稠密采样，并用四种不同的描述符表示每个跟踪点。随着基于深度学习的方法在图像识别领域的发展，复杂行为识别的识别率得到了显著的提高。大部分方法基于双流网络、3D时空网络或是LSTM网络。Zhang等人[4]用视频中的运动矢量代替双流网络中的光流，在显著提升了运算速度的同时保证了识别效果。Zhu等人[5]尝试将光流序列的计算融合到网络中，并将原始图像与光流序列合并以表示人类行为。然而，深度神经网络需要大量的标签样本训练模型，而收集这些标签样本是费时费力的。众多学者提出利用迁移学习的方法解决标签样本数量不足的问题。这些方法在半监督的情况下，依然能够得到理想的识别效果。Xu等人[6]提出了利双重多对一编码器，将源域特征和目标域特征映射到同一特征空间，提取广义特征。……