摘要
本发明公开了一种黎曼流形上的记忆增强动作识别方法及系统、存储介质,所述方法包括:步骤1:采集人体动作数据,表示为三阶张量;步骤2:沿三个模态展开得到三个对应矩阵;步骤3:采用人类短期记忆机制计算得到记忆增强的权重矩阵;步骤4:通过主成分分析方法将权重矩阵分解获取带权重的基底向量;步骤5:重组并行归一化映射至单位超球面,保留角度关系;步骤6:通过蒙特卡洛马尔科夫算法学习模态权重参数,计算超球面上点之间的几何差异;步骤7:采用K近邻分类器进行人体动作分类。本发明有效解决了复杂场景下的时间信息损失问题,适用于医疗健康、虚拟现实、体育训练等多种应用场景。
技术关键词
动作识别方法
人体动作数据
人体动作分类
蒙特卡洛
K近邻分类器
矩阵
主成分分析方法
记忆机制
后验概率分布
球面
动作识别系统
参数
算法
基底
黎曼
模式
医疗健康
动态更新
人类
系统为您推荐了相关专利信息
数据融合方法
贝叶斯神经网络
场景
不确定性模型
分析业务数据
定价方法
温度预测模型
投资者
天气
损失函数优化
动态检测点
供水管
广度优先搜索算法
信息熵
定位方法
盾构导向系统
全站仪
优化布局方法
棱镜
蒙特卡洛法