1、在機器學習中，間隔常用來度量分類器的置信度。其中支持向量機中的最大間隔算法因具有強壯的理論保證并在實際應用中展現(xiàn)出優(yōu)異的性能而成為機器學習領域的一個研究熱點。雙人交互行為是日常生活中最常見的人體行為，因此，研究雙人交互行為識別方法具有非常重要的實際意義。本文在最大間隔算法的基礎上，提出兩種雙人交互行為識別的方法。
　　第一種是基于最大間隔條件隨機場的雙人行為識別方法。傳統(tǒng)的條件隨機場采用最大似然方法學習模型參數(shù)，但該方法推廣能力不

2、佳，又不支持核函數(shù)，無法用于高維特征空間。針對這一情況，提出一種基于最大間隔方法的條件隨機場，具體的優(yōu)化算法采用塊坐標Frank-Wolfe算法，該算法是經(jīng)典的Frank-Wolfe算法的一種改進，是一種聯(lián)機算法。該算法不需要選擇步長，最優(yōu)的步長可以以封閉的形式計算得到，有一個對偶間隔保證，可以將對偶間隔作為停止迭代的標準，另外，即使是使用近似的最大推斷函數(shù)，算法的收斂率依然穩(wěn)定。采用最大間隔方法學習條件隨機場模型參數(shù)的方法既保留了條件

3、隨機場的結構化優(yōu)勢又利用了最大間隔算法推廣能力強的優(yōu)點。
　　第二種是基于最大間隔馬爾可夫網(wǎng)模型的雙人交互行為分析。提出一種新型的分層識別方法，采用最大間隔馬爾可夫網(wǎng)模型對雙人交互行為的高層語義建模，相對于第一種方法的單層識別，該方法將整個雙人交互行為識別的過程分為四個層次：第一，采用一種將結構化的局部稀疏模型和可變的模板更新策略相結合的算法對雙人數(shù)據(jù)庫進行單人跟蹤，分別得到視頻中的單個人；第二，對單人分別提取剪影、光流和運動上下

4、文特征，將這三種特征融合得到最終的特征描述符，實驗結果表明了這種簡單的提取特征的方法是有效的；第三，采用一種新型的度量學習算法-大間隔最近鄰（Large Margin Nearest Neighbors）模型識別得到原子行為語義；最后，訓練最大間隔馬爾可夫網(wǎng)和模板，得到交互行為模型，然后利用該模型對兩人的原子行為語義建模，最終得到每個人的交互行為。
　　以上兩種方法均在UT數(shù)據(jù)庫上進行實驗，實驗結果證明了提出的最大間隔算法是有效的