1、人類活動識別是計算機視覺領(lǐng)域中一個熱門的研究主題。許多應(yīng)用如人機交互、智能視頻監(jiān)控、運動視頻分析、病人監(jiān)護系統(tǒng)、智能家居和智能安防系統(tǒng)等都要求對視頻序列中的人類活動類別進行精確識別。
　　為了精確地識別人類活動類別，需要合適的距離度量表示活動樣本間的相似性。特別地，傳統(tǒng)的人類活動識別算法采用自定義的距離度量表示相似性。然而，實際應(yīng)用中不同的活動識別任務(wù)要求不同的距離度量，然而采用手工的方式構(gòu)造合適的距離度量是極其困難的?？紤]到距離

2、度量學(xué)習(xí)算法能夠針對不同的任務(wù)，不同的數(shù)據(jù)集自適應(yīng)地學(xué)習(xí)距離度量，本文把其應(yīng)用到人類活動識別，以便提高識別精度。本文的主要研究內(nèi)容有：
　　(1)針對人類活動識別中樣本間相似性估計問題，提出了一個基于快速近鄰成分分析的人類活動識別算法。該算法通過最小化訓(xùn)練集上的留一法加權(quán)分類誤差來學(xué)習(xí)輸入空間中的一個線性變換。Weizman數(shù)據(jù)集、Kernel1數(shù)據(jù)集和 Kernel2數(shù)據(jù)集實驗結(jié)果表明，快速近鄰成分分析學(xué)習(xí)的距離度量能顯著提高人