最大間隔方法及其在行為分析中的應(yīng)用.pdf

1、在機(jī)器學(xué)習(xí)中，間隔常用來度量分類器的置信度。其中支持向量機(jī)中的最大間隔算法因具有強(qiáng)壯的理論保證并在實(shí)際應(yīng)用中展現(xiàn)出優(yōu)異的性能而成為機(jī)器學(xué)習(xí)領(lǐng)域的一個(gè)研究熱點(diǎn)。雙人交互行為是日常生活中最常見的人體行為，因此，研究雙人交互行為識(shí)別方法具有非常重要的實(shí)際意義。本文在最大間隔算法的基礎(chǔ)上，提出兩種雙人交互行為識(shí)別的方法。
　　第一種是基于最大間隔條件隨機(jī)場(chǎng)的雙人行為識(shí)別方法。傳統(tǒng)的條件隨機(jī)場(chǎng)采用最大似然方法學(xué)習(xí)模型參數(shù)，但該方法推廣能力不

2、佳，又不支持核函數(shù)，無法用于高維特征空間。針對(duì)這一情況，提出一種基于最大間隔方法的條件隨機(jī)場(chǎng)，具體的優(yōu)化算法采用塊坐標(biāo)Frank-Wolfe算法，該算法是經(jīng)典的Frank-Wolfe算法的一種改進(jìn)，是一種聯(lián)機(jī)算法。該算法不需要選擇步長，最優(yōu)的步長可以以封閉的形式計(jì)算得到，有一個(gè)對(duì)偶間隔保證，可以將對(duì)偶間隔作為停止迭代的標(biāo)準(zhǔn)，另外，即使是使用近似的最大推斷函數(shù)，算法的收斂率依然穩(wěn)定。采用最大間隔方法學(xué)習(xí)條件隨機(jī)場(chǎng)模型參數(shù)的方法既保留了條件

3、隨機(jī)場(chǎng)的結(jié)構(gòu)化優(yōu)勢(shì)又利用了最大間隔算法推廣能力強(qiáng)的優(yōu)點(diǎn)。
　　第二種是基于最大間隔馬爾可夫網(wǎng)模型的雙人交互行為分析。提出一種新型的分層識(shí)別方法，采用最大間隔馬爾可夫網(wǎng)模型對(duì)雙人交互行為的高層語義建模，相對(duì)于第一種方法的單層識(shí)別，該方法將整個(gè)雙人交互行為識(shí)別的過程分為四個(gè)層次：第一，采用一種將結(jié)構(gòu)化的局部稀疏模型和可變的模板更新策略相結(jié)合的算法對(duì)雙人數(shù)據(jù)庫進(jìn)行單人跟蹤，分別得到視頻中的單個(gè)人；第二，對(duì)單人分別提取剪影、光流和運(yùn)動(dòng)上下

4、文特征，將這三種特征融合得到最終的特征描述符，實(shí)驗(yàn)結(jié)果表明了這種簡(jiǎn)單的提取特征的方法是有效的；第三，采用一種新型的度量學(xué)習(xí)算法-大間隔最近鄰（Large Margin Nearest Neighbors）模型識(shí)別得到原子行為語義；最后，訓(xùn)練最大間隔馬爾可夫網(wǎng)和模板，得到交互行為模型，然后利用該模型對(duì)兩人的原子行為語義建模，最終得到每個(gè)人的交互行為。
　　以上兩種方法均在UT數(shù)據(jù)庫上進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果證明了提出的最大間隔算法是有效的