特征选择结果的优劣直接关系到所建人体行为识别模型的轻量性和质量好坏2，过多冗余和不 相关特征不仅对模型泛化性的提升不利，还容易增加建模难度和计算负荷.因此，本文从行为特征 之间相关性的角度出发，使用NCA从人体行为特征集中选择高相关性最优特征子集，进而提高行 为识别模型计算过程的轻量性.NCA是一种简单高效的距离度量算法12四它通过最大化留一法的分 类精度来选择对于人体行为识别模型最优的特征子集， 人体行为原始特征集为 =《6为，i=12,川，其中6eR是第1个行为特征， 9%{1,2d 是第1个行为特征的标签，（为类别数，k表示特征数行为特征6的之间的马氏距离为： d%的=VA%A购(A%-A购 22\*MERGEFORMAT ( 式中，A为马氏距离变换矩阵，T表示矩阵转置 特征被正确分类的概率为： 黄终H小版 利用留一法最大化在人体行为特征集上的分类精度特征%选择特征》 exp-A的-A P=0 ∑exp-A0-Ag） MERGEFORMAT O P= 44\*MERGEFORMAT() 其中，为为时，为0：香则为1 目标函数是使得被正确分类的行为特征数目最大，因此，做如下定义： 55\*MERGEFORMAT() 利用共轭梯度法求解A: 66\*MERGEFORMAT() 其中，即=%彤 利用优化后的A得到NCA选择后的特征子集： X=8g 77*MERGEFORMAT O 式中，X表示NCA选择的特征子集 1.2基于LzSs的行为识别模型 SCNs作种先进的网络模型，其在模型结构紧致性、建模速度等方面的高性能已经被证实 23-2训SCNs结构如图2所示.本小节针对SCNs泛化性和轻量性不足问题，基于L2正则化理论2阿，提 出了L2-SCNs模型，并将其应用于人体行为识别研究之中特征选择结果的优劣直接关系到所建人体行为识别模型的轻量性和质量好坏[20]，过多冗余和不 相关特征不仅对模型泛化性的提升不利，还容易增加建模难度和计算负荷. 因此，本文从行为特征 之间相关性的角度出发，使用 NCA 从人体行为特征集中选择高相关性最优特征子集，进而提高行 为识别模型计算过程的轻量性. NCA 是一种简单高效的距离度量算法[21-22] . 它通过最大化留一法的分 类精度来选择对于人体行为识别模型最优的特征子集. 人体行为原始特征集为 S x f i n     i i , , 1,2,...,   % % ，其中 m i x R % 是第i 个行为特征， %f c i 1,2,...,  是第i 个行为特征的标签，c 为类别数， k 表示特征数. 行为特征 , i j x x %%之间的马氏距离为：       T , i j i j i j d x x Ax Ax Ax Ax % % % % % %    22\* MERGEFORMAT () 式中， A 为马氏距离变换矩阵，T 表示矩阵转置. 利用留一法最大化在人体行为特征集上的分类精度. 特征 i x%选择特征 j x%作为它参考点的概率为：     2 2 exp , 0 exp i j ij ii i q q i AX AX P P AX AX         % % % % 33\* MERGEFORMAT () 特征 i x%被正确分类的概率为： 1, k i ij ij j j i p p f     % 44\* MERGEFORMAT () 其中， i j % % f f  时， %f ij =0 ；否则 %f ij =1 . 目标函数是使得被正确分类的行为特征数目最大，因此，做如下定义：   i i f A p   55\* MERGEFORMAT () 利用共轭梯度法求解 A ： 2 i T T ij ij ij iq ij ij i q j f f A p x x p x x A               % %% %% 66\* MERGEFORMAT () 其中， ij i j x x x % % %   . 利用优化后的 A 得到 NCA 选择后的特征子集： X X A  %g 77\* MERGEFORMAT () 式中， X 表示 NCA 选择的特征子集. 1.2 基于 L2-SCNs 的行为识别模型 SCNs 作为一种先进的网络模型，其在模型结构紧致性、建模速度等方面的高性能已经被证实 [23-24]. SCNs 结构如图 2 所示. 本小节针对 SCNs 泛化性和轻量性不足问题，基于 L2正则化理论[25]，提 出了 L2-SCNs 模型， 录用稿件，非最终出版稿 并将其应用于人体行为识别研究之中