《表4 人体动作类型在UT-Kinect数据集的识别率》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《线性动态系统反演模型在人体行为识别的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

UT-Kinect数据集是使用Kinect传感器在室内获得的共6 220帧的200个深度序列，包含步行、站起来、拾取、搬、挥手、扔、推、坐下、拉和拍手等10个动作，由10个不同的人对每个动作重复做两次，序列的持续时间范围为5~120帧。这是一个具有挑战性的数据集，因为在执行给定动作时会发生较大变化。例如对于拾取动作，用一只或两只手执行相同动作。为了便于比较，本文应用Xia等人[20]提出的一个序列交叉验证实验方案:在UT-Kinect序列上留下一个序列交叉验证（ROOCV），对于每个测试，199个序列用于训练，仅有1个用于测试。本文方法与LTBSVM[12]和t LDS[14]方法的识别率如表4所示。