The invention provides a method for classifying depth features based on ensemble support vector machine, which relates to the technical field of digital signal processing. A method for classifying depth features based on ensemble support vector machine includes the following steps: S1: input depth feature file to be classified; S2: establish a first predetermined value class to reduce dimension. Dimension; S3: Establish the second kind of kernel function; S4: Get the classifier output information under any dimension reduction and any combination of kernel functions in turn; S5: Get the classification result of the depth feature file to be classified by combining the output information of each classifier through a combination vote. The method of depth feature information extraction based on ensemble support vector machine has high accuracy, multiple dimensionality reduction dimensions obtain information, and the result of classification prediction has high accuracy, which can effectively classify and classify depth features.
【技术实现步骤摘要】
一种基于集成支持向量机对深度特征进行分类的方法
本专利技术涉及数字信号处理
,尤其是,本专利技术涉及一种基于集成支持向量机对深度特征进行分类的方法。
技术介绍
科技的发展使得摄像设备得到了普及,数量巨大的视频数据等数字信号数据也随之产生。同时,针对数字信号的应用也应运而生:智能视频监控、视频数据分类、高级人机交互等。在这些应用中,针对人的动作进行理解是最核心的关注点,也是人们研究的核心内容。由于人体动作识别有很大的潜在价值,所以此课题作为一个研究热点已经持续了至少十年时间,近些年,受益于图像识别所取得的巨大进展,视频识别也同样取得了很大的进展。其中大多数动作识别方法都是针对动作分类任务而被提出,许多传统的动作分类方法提取的特征多是采用手工特征提取法,即直接能从图像中提取的特征。如颜色特征、纹理特征以及直方图特征,这些特征针对内容简单的图像,能有很好的效果,但是遇到内容复杂图像时,手工特征不能有效表征图像性质,无法对这些深度特征进行有效的分类。例如中国专利专利技术申请CN107844795A公开了一种基于主成分分析的卷积神经网络特征提取方法,该方法首先选取了在Imagenet数据集上已经训练好的卷积神经网络,将该网络作为图像的特征提取器,然后从该卷积神经网络的每个池化层的输出中提取特征映射图,最后将提取的每层所有特征映射图做为图像的深度特征,利用了主成分分析,对其进行了降维,并利用双线性插值法,将最后的结果特征映射图重置到原图像大小,得到了高效的图像深度特征。本专利技术得到的深度特征,含有图像丰富的语义信息,且特征维度低,数据量小,可用于图像的各种识别 ...
【技术保护点】
1.一种基于集成支持向量机对深度特征进行分类的方法,其特征在于,包括以下步骤:S1:输入待分类的深度特征文件;S2:建立第一预定值种降维维度;S3:建立第二预定值种核函数;S4:依次获取上述任一降维维度和任一核函数组合下的分类器输出信息;S5:将每一个分类器输出信息通过组合投票,得出待分类的深度特征文件的分类结果。
【技术特征摘要】
1.一种基于集成支持向量机对深度特征进行分类的方法,其特征在于,包括以下步骤:S1:输入待分类的深度特征文件;S2:建立第一预定值种降维维度;S3:建立第二预定值种核函数;S4:依次获取上述任一降维维度和任一核函数组合下的分类器输出信息;S5:将每一个分类器输出信息通过组合投票,得出待分类的深度特征文件的分类结果。2.根据权利要求1所述的一种基于集成支持向量机对深度特征进行分类的方法,其特征在于:执行步骤S1时,待分类的深度特征文件包括文本、图片、动画和视频。3.根据权利要求1所述的一种基于集成支持向量机对深度特征进行分类的方法,其特征在于:执行步骤S2之前,根据待分类的深度特征文件类型,生成第一预定值。4.根据权利要求1所述的一种基于集成支持向量机对深度特征进行分类的方法,其特征在于:执行步骤S2时,采用主成分分析方法进行不同维度的降维。5.根据权利要求1所述的一种基于集成支持向量机对深度特征进行分类的方法,其特征在于:执行...
【专利技术属性】
技术研发人员:张黎,邹开红,宗旭,蒋娟,
申请(专利权)人:杭州闪捷信息科技股份有限公司,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。