人体姿态的相似性评价基于OpenCV实现最近邻分类KNN K-Nearest Neighbors
最近学习了人体姿态的相似性评价。需要用到KNN来统计与当前姿态相似的k个姿态信息。
假设我们已经有了矩阵W和给定的测试样本姿态Xi,需要寻找与Xi相似的几个姿态,来估计当前Xi的姿态标签。
//knn操作
//读入一帧测试帧 去训练集里面求距离
/*
1、计算已知类别数据集合汇总的点与当前点的距离
2、按照距离递增次序排序
3、选取与当前点距离最近的K个点
4、确定距离最近的前K个点所在类别的出现频率
5、返回距离最近的前K个点中频率最高的类别作为当前点的预测分类
*/
//knn操作 //读入一帧测试帧 去训练集里面求距离 /* 1、计算已知类别数据集合汇总的点与当前点的距离 2、按照距离递增次序排序 3、选取与当前点距离最近的K个点 4、确定距离最近的前K个点所在类别的出现频率 5、返回距离最近的前K个点中频率最高的类别作为当前点的预测分类 */ //test mat 输入是 1*60的或者1*n的 matrix需要平方。。才是马氏距离矩阵 //20171129 int knn(vector<Mat>&trainSample, vector<int>&trainLabel, Mat &test, Mat& matrix, int k, string prefix) { int label,n = trainSample.size(); map<float, vector<int>>mp;//记录距离与训练集的索引 距离从小到大排列 ofstream of(prefix+"\\distance.txt"); for (int i = 0; i < n;i++) { Mat diff = test - trainSample[i]; Mat dis = diff * matrix * matrix.t() * diff.t();//不开方了 cout <<i<<"距离---"<< dis << endl; float distance = dis.at<float>(0, 0); of << distance << " "; mp[distance].push_back(i); } of << endl; of.close(); map<int,int>testLabel;//统计label出现次数 for (auto it = mp.begin(); it != mp.end() && k>0;it++) { for (int j = 0; j < it->second.size() && k>0; j++) { testLabel[trainLabel[it->second[j]]]++; k--; } } int temp = 0;//找到出现次数最多的label作为测试的标签 for (auto it = testLabel.begin(); it != testLabel.end();it++) { if (temp < it->second) { label = it->first; temp = it->second; } } return label; }
如下是准备训练和测试数据,并评估当前knn实验结果。
//测试一下knn是否跑通 跑正确 //20171130 void testknn() { vector<Mat> trainSample, testSample; vector<int> trainLabel, testLabel; string prefix = "E:\\laboratory\\dataset\\synthesisdata\\mypartresults"; int row = 1, col = 66;//groundtruth是60=20*3列 聚类特征是22*3=66 int k = 5; int label,correct=0; Mat matrix = InitMat("E:\\code_bsm\\bsm\\W_bsm_d=5_kc=1_kr=0.1_eps1=0.0001_eps2=1e-06.txt", 66, 5, false, label); getTrainAndTestData(trainSample, testSample, trainLabel, testLabel, prefix, row, col); for (int i = 20; i < testSample.size();i++) { label = knn(trainSample, trainLabel, testSample[i], matrix, k,prefix); if (label == testLabel[i]) { correct++; } } cout << correct << "/" << testSample.size() << endl; }
参考文献:
辛永佳. 基于分层稀疏表示模型的人体姿态和行为相似性度量[D]. 北京工业大学, 2016.