FB V NBNN FH CVXW BTHN GDBVC G

感知行为的影响因素包括单个关节的动作和不同关节的组态。因此提出一种新的基于关节的位置差异的特征类型，联合包括静态姿势、动作、位移在内的行为信息进行识别。采用关节在两个时间和空间区域的差异来明确地模拟个别关节动力学和不同关节的组态。然后应用主成分分析（PCA）来获得所需的特征。同时应用非参数的简捷的贝叶斯最近邻（NBNN）分类器进行多类行为的分类。这个NBNN分类器避免了帧描述符的量化，计算“图像到类别”的距离而不是“图像到图像”的距离。15到20帧的数据就足以实现手势以及动作的识别，无需应用整个

运用SIS+NBNN的方法进行分类，运用参考文献里的有关SIS与NBNN相结合的知识，所提供的两类数据，按照注意里的相关事项完成“bedroom”“forest”的分类。(The use of SIS+NBNN methods for classification, the use of reference in the SIS and NBNN combination of knowledge, provided by the two types of data, according to t