一种基于高斯过程分类器的人体行为识别方法

摘要

本发明提供一种基于高斯过程分类器的人体行为识别方法，包括步骤：1）训练出若干个二分类模型，每个模型对应于判断属于某类行为的概率；2）获取人体行为的测试数据，通过高斯过程二分类器模型分别计算该测试数据所属的人体行为类别的概率；3）比较各个人体行为类别的概率的值，最大值所对应的人体行为类别即判定为该测试数据所属的人体行为类别。本发明与传统分类器相比，高斯过程分类器可以预测出属于某一类行为的概率大小，这在判决测试数据所属的类别时，可以有多种权重选择性。与较为流行且成熟的分类技术支持向量机相比，高斯过程分类器在输入数据的维数较高时，有更好的分类精度，且当训练数据较多时，其所用的训练时间明显缩短。

主权项

一种基于高斯过程分类器的人体行为识别方法，其特征在于，包括步骤：1)训练出若干个高斯过程二分类器模型，每个模型对应于判断属于某类人体行为的概率；2)获取人体行为的测试数据，将测试数据导入各个已经训练好的高斯过程二分类器模型，分别计算该测试数据所属的各个人体行为类别的概率；3)比较各个人体行为类别的概率的值，最大值所对应的人体行为类别即判定为该测试数据所属的人体行为类别。