高效互动识别：基于主动行为的新方法

"基于主动行为表达的高效互动识别方法 .pdf" 在计算机视觉和人工智能领域，模式识别是一项重要的技术，尤其在行为识别方面。本文由呙维、胡涛和刘汝倩共同发表，主要探讨如何利用主动行为表达进行高效的人体互动识别。他们提出了一种新颖的方法，将两个人之间的交互行为分解为主动行为和被动行为，以此提升识别效率。 主动行为在两人互动中起着关键作用，因为它决定了互动的整体动态。因此，通过专注于识别一个人的主动行为，可以简化原本复杂的两人交互行为识别问题。文章中特别提到了微软的Kinect深度传感器，这是一种能够提供RGB-D数据和三维空间信息的设备，非常适合用于行为识别的定量分析。 然而，尽管Kinect被广泛应用，但相关的公开测试数据集却相对较少，特别是针对两人互动行为识别的。为此，研究团队创建了一个名为K3HI的新数据集，包含了六种复杂的人体行为，如踢、指、拳击、推、交换物品和握手。对于每一种主动行为，他们提取了关节、面部表情和速度三个特征，这些特征有助于捕捉行为的关键信息。 为了评估新方法的有效性，研究者使用连续的隐马尔可夫模型（HMMs）对主动行为识别方法和传统的两人互动行为识别方法进行了比较。实验结果显示，他们的新方法在准确性上优于传统方法，并且减少了样本训练时间，从而在性能和效率上显示出优势。 关键词涵盖了模式识别、互动行为识别、Kinect传感器以及HMMs，这表明该研究结合了这些关键技术，以解决多人交互行为识别的挑战。这一工作不仅为模式识别提供了新的视角，也为实际应用如智能监控、人机交互等场景提供了理论基础和技术支持。 该论文提出的主动行为表达方法为提高互动行为识别的效率和准确性开辟了新的道路，尤其是在处理复杂多人交互的情况下，这种方法的优越性得到了充分证明。通过结合先进的传感器技术和统计建模，研究者成功地推动了这一领域的技术进步。