如需要完整文档点击下方 "点击下载文档" 按钮

针对当前动作识别可信度计算方法中混淆率高、不适用于迁移学习等问题，提出一种基于样本上下文信息的可信度计算方法（S-HMM,sliding windows hidden Markov model）。该方法使用隐马尔可夫模型（HMM,hidden Markov model）理论对识别结果序列建模，将样本所在序列识别正确的概率作为识别结果的可信度，避免了当前可信度计算方法依赖于样本在特征空间中分布的问题。实验使用真实场景中的数据进行仿真，结果表明，与现有方法相比，该方法可将可信度混淆率降低37%左右。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于HMM的动作识别结果可信度计算方法》

将 完整文档 下载到本地，方便收藏和查阅

文件号：257469

点击下载文档