TY - Jour A2 - Guan，Naiyang Au - Huo，Shirui Au - Hu，Tianrui Au - Li，Ce Py - 2017 DA - 2017/11/20 TI - 改进了协作代表分类基础- 为人类行动识别SP - 8191537 VL - 2017年 - 人类行动认可是最近的一个挑战性的任务。将深度图像投影到三个深度运动地图（DMMS）并提取深度卷积神经网络（DCNN）特征是判别描述符特征，以表征来自一系列深度图像的特定动作的时空信息。在本文中，提出了一种统一改进的协作表示框架，其中测试样本属于所有类的协作子空间的概率可以很好地定义和计算。基于的改进的协作表示分类器（ICRC） L. 2 - 介绍了人类行动识别的推出，以最大限度地提高测试样本属于每个类的可能性，然后对红十字国际委员会的理论调查表明，它通过计算每个类的可能性来获得最终分类。耦合与DMMS和DCNN特征，对深度图像的动作识别的实验，包括MSRAction3D和MSROTERUTE3D数据集，证明了使用基于距离的表示分类器成功成功的方法对最先进的方法实现了卓越的性能，包括SRC，CRC和SVM。SN - 2090-0147 UR - https://doi.org/10.1155/2017/8191537 Do - 10.1155 / 2017/8191537 JF - 电气计算机工程Pb - Hindawi Kw - ER -