人體行為識(shí)別是機(jī)器視覺領(lǐng)域內(nèi)的一個(gè)熱門研究方向,基于視頻的人體行為識(shí)別是近些年研究熱點(diǎn)之一,其在諸如視頻監(jiān)控、人機(jī)交互、行為分析等方面有著廣闊的應(yīng)用前景。本文對(duì)動(dòng)態(tài)視頻的人體行為識(shí)別進(jìn)行了深入研究,針對(duì)視頻的穩(wěn)定問題,改進(jìn)了穩(wěn)定視頻的Steady Flow算法,并提出自適應(yīng)多路徑平滑算法,另外通過三種深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行視頻中人體檢測(cè),去除視頻的背景干擾;在此基礎(chǔ)上,研究了特征的優(yōu)化,提出了特征正偏態(tài)分布優(yōu)化算法和基于特征正偏態(tài)分布的行為識(shí)別方法;最后研究了一種新的深度學(xué)習(xí)網(wǎng)絡(luò)模型,并構(gòu)建了深度學(xué)習(xí)網(wǎng)絡(luò)實(shí)現(xiàn)人體行為識(shí)別。論文主要研究如下:1、由于視頻的不穩(wěn)定性會(huì)對(duì)行為識(shí)別產(chǎn)生干擾,通過對(duì)提取視頻運(yùn)動(dòng)特征的Steady Flow算法和對(duì)視頻圖像扭曲變換的路徑平滑（Path Optimization）算法進(jìn)行研究,提出在Steady Flow算法中使用改進(jìn)FAST特征點(diǎn),并對(duì)路徑平滑算法進(jìn)行改進(jìn),提出了自適應(yīng)多路徑平滑算法。針對(duì)行為識(shí)別中的視頻場(chǎng)景運(yùn)動(dòng)與人體背景干擾問題,進(jìn)行了背景固定并訓(xùn)練了三種人體檢測(cè)網(wǎng)絡(luò)以檢測(cè)視頻中人體。2、針對(duì)行為特征的冗余問題,通過研究特征的分布特點(diǎn),提出了特征正偏態(tài)... 

【文章來源】：深圳大學(xué)廣東省

【文章頁數(shù)】：71 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于特征的方法
        1.2.2 深度學(xué)習(xí)的方法
        1.2.3 深度圖像的方法
    1.3 論文組織結(jié)構(gòu)
第2章 視頻穩(wěn)定研究與人體目標(biāo)檢測(cè)
    2.1 Steady Flow
        2.1.1 運(yùn)動(dòng)傳播
        2.1.2 改進(jìn)的FAST特征點(diǎn)檢測(cè)方法
        2.1.3 運(yùn)動(dòng)去噪
        2.1.4 運(yùn)動(dòng)補(bǔ)償
    2.2 自適應(yīng)多路徑平滑
        2.2.1 路徑平滑
        2.2.2 自適應(yīng)平滑參數(shù)?
        2.2.3 自適應(yīng)多路徑平滑
        2.2.4 視頻合成
    2.3 視頻背景穩(wěn)定
    2.4 人體目標(biāo)檢測(cè)
        2.4.1 PASCAL VOC數(shù)據(jù)集
        2.4.2 Faster R-CNN人體目標(biāo)檢測(cè)
        2.4.3 YOLO人體目標(biāo)檢測(cè)
        2.4.4 SSD人體目標(biāo)檢測(cè)
        2.4.5 連貫掩模
    2.5 實(shí)驗(yàn)與分析
        2.5.1 視頻的穩(wěn)定
        2.5.2 人體目標(biāo)檢測(cè)
    2.6 本章小結(jié)
第3章 基于特征正偏態(tài)分布的行為識(shí)別
    3.1 視頻特征模型
        3.1.1 時(shí)空興趣點(diǎn)特征
        3.1.2 密集軌跡特征
    3.2 特征正偏態(tài)分布優(yōu)化
        3.2.1 正態(tài)分布與偏態(tài)分布
        3.2.2 特征正偏態(tài)分布優(yōu)化
    3.3 特征編碼量化
        3.3.1 BoW編碼
        3.3.2 Fisher Vector編碼
    3.4 特征分類
        3.4.1 SVM分類器
        3.4.2 特征融合
    3.5 實(shí)驗(yàn)與分析
        3.5.1 行為識(shí)別數(shù)據(jù)集
        3.5.2 編碼及融合設(shè)定
        3.5.3 實(shí)驗(yàn)結(jié)果
    3.6 本章小結(jié)
第4章 C3D-RDN的行為識(shí)別
    4.1 3D卷積
    4.2 殘差網(wǎng)絡(luò)
    4.3 稠密網(wǎng)絡(luò)
    4.4 殘差稠密塊
    4.5 3D卷積殘差稠密
        4.5.1 3D卷積殘差稠密塊
        4.5.2 3D卷積殘差稠密網(wǎng)
    4.6 實(shí)驗(yàn)與分析
        4.6.1 網(wǎng)絡(luò)訓(xùn)練
        4.6.2 實(shí)驗(yàn)結(jié)果
    4.7 本章小結(jié)
第5章 總結(jié)與展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于深度圖像的人體行為識(shí)別綜述[J]. 孫彬,孔德慧,張?chǎng)⿻?賈文浩.  北京工業(yè)大學(xué)學(xué)報(bào). 2018(10)
[2]神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)基礎(chǔ)[J]. 袁冰清,陸悅斌,張杰.  數(shù)字通信世界. 2018(05)
[3]基于顯著性檢測(cè)和稠密軌跡的人體行為識(shí)別[J]. 鹿天然,于鳳芹,楊慧中,陳瑩.  計(jì)算機(jī)工程與應(yīng)用. 2018(14)
[4]基于深度學(xué)習(xí)的人體行為識(shí)別算法綜述[J]. 朱煜,趙江坤,王逸寧,鄭兵兵.  自動(dòng)化學(xué)報(bào). 2016(06)
[5]人的視覺行為識(shí)別研究回顧、現(xiàn)狀及展望[J]. 單言虎,張彰,黃凱奇.  計(jì)算機(jī)研究與發(fā)展. 2016(01)
[6]人體動(dòng)作行為識(shí)別研究綜述[J]. 李瑞峰,王亮亮,王珂.  模式識(shí)別與人工智能. 2014(01)

碩士論文
[1]基于編碼理論的視頻去抖動(dòng)算法研究[D]. 李明宇.電子科技大學(xué) 2017
[2]面向智能視頻監(jiān)控系統(tǒng)的運(yùn)動(dòng)目標(biāo)檢測(cè)與異常行為分析[D]. 朱明凌.中國計(jì)量學(xué)院 2015



本文編號(hào)：3165528