3D行為識(shí)別在圖像檢索、智能監(jiān)控、人機(jī)交互等領(lǐng)域有廣闊的應(yīng)用前景,是近年來(lái)人工智能領(lǐng)域的研究熱點(diǎn),經(jīng)過(guò)國(guó)內(nèi)外學(xué)者的不懈努力,取得了長(zhǎng)足發(fā)展,但由于非理想的成像條件和動(dòng)作內(nèi)容的復(fù)雜多變,3D行為識(shí)別仍有許多亟待解決的問(wèn)題:如動(dòng)作序列缺乏統(tǒng)一有效的特征描述、低層圖像特征和高層動(dòng)作類別之間的語(yǔ)義鴻溝、缺少可靠的語(yǔ)義特征時(shí)域分析模型等。針對(duì)上述問(wèn)題,擬在兩個(gè)方面展開研究:1)基于動(dòng)作序列的RGBD多模式數(shù)據(jù)特性,研究通過(guò)多卷積神經(jīng)網(wǎng)絡(luò)獲得3D動(dòng)作的多時(shí)空表達(dá);2)研究運(yùn)用圖模型描述動(dòng)作視覺屬性間的語(yǔ)義和幾何關(guān)系,來(lái)約束多任務(wù)聯(lián)合語(yǔ)義屬性優(yōu)化學(xué)習(xí),消除語(yǔ)義鴻溝;最終實(shí)現(xiàn)3D動(dòng)作序列的復(fù)雜行為識(shí)別。 

【文章頁(yè)數(shù)】：54 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題背景和意義
    1.2 從視頻序列中建模3D人體運(yùn)動(dòng)的問(wèn)題
    1.3 使用3D數(shù)據(jù)進(jìn)行人類動(dòng)作識(shí)別
        1.3.1 構(gòu)建3D數(shù)據(jù)方法
        1.3.2 傳統(tǒng)立體視覺動(dòng)作識(shí)別方法
    1.4 本文主要內(nèi)容
第二章 人體骨架流形時(shí)空特征的提取
    2.1 引言
    2.2 基于人體部位之間相對(duì)幾何關(guān)系的三維人體骨架表示方法
    2.3 基于動(dòng)態(tài)時(shí)間規(guī)整的速率變化建模方法
    2.4 基于旋轉(zhuǎn)運(yùn)動(dòng)的插值方法
    2.5 基于傅里葉時(shí)序金字塔的時(shí)序模式表示方法
    2.6 本章小結(jié)
第三章 多模式數(shù)據(jù)的多任務(wù)多屬性聯(lián)合學(xué)習(xí)行為識(shí)別
    3.1 引言
    3.2 人體骨架的流形時(shí)空特征提取
    3.3 基于多卷積神經(jīng)網(wǎng)絡(luò)的序列段多模式齊次時(shí)空特征監(jiān)督學(xué)習(xí)框架
    3.4 屬性關(guān)聯(lián)圖約束的保語(yǔ)義多任務(wù)聯(lián)合屬性學(xué)習(xí)方法
    3.5 實(shí)驗(yàn)
        3.5.1 實(shí)驗(yàn)數(shù)據(jù)集
        3.5.2 對(duì)MSRAction3D數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)與分析
        3.5.3 對(duì)UTD-MHAD數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)與分析
        3.5.4 對(duì)UTKinect-Action3D數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)與分析
    3.6 本章小結(jié)
第四章 總結(jié)與展望
    4.1 本文工作總結(jié)
    4.2 未來(lái)工作展望
參考文獻(xiàn)
致謝



本文編號(hào)：3657194