在計算機視覺領(lǐng)域,基于骨架信息的行為識別是近幾年熱門的研究方向。它在智能安防、人機交互等諸多方面都有應(yīng)用場景。人體骨架信息數(shù)據(jù)相比RGB視頻數(shù)據(jù)更輕量,這使得用更輕量的算法去獲取更優(yōu)的識別性能成為可能。論文首先調(diào)研了國內(nèi)外關(guān)于該任務(wù)的研究現(xiàn)狀,然后分析了經(jīng)典圖卷積網(wǎng)絡(luò)中構(gòu)造骨架關(guān)節(jié)點之間依賴關(guān)系的幾種方式以及它們的優(yōu)缺點。在此基礎(chǔ)上,論文提出了骨架關(guān)節(jié)點依賴關(guān)系推理網(wǎng)絡(luò)(Joints-dependencice Inference Network,JIN)和骨架關(guān)節(jié)點上下文信息編碼網(wǎng)絡(luò)(Context-encoidng Network,Ce N)。這兩種網(wǎng)絡(luò)可以根據(jù)骨架序列的時空變化自動地為每一個樣本推理一個骨架序列的鄰接矩陣。其中JIN根據(jù)骨架序列的時空變化推理任意兩個骨架關(guān)節(jié)點之間的依賴關(guān)系從而為每一個骨架序列構(gòu)造對稱的鄰接矩陣,Ce N則從全局上下文信息的角度為每一個骨架序列構(gòu)造非對稱的鄰接矩陣。這兩種網(wǎng)絡(luò)可以和圖卷積網(wǎng)絡(luò)構(gòu)成端到端的網(wǎng)絡(luò)框架JIN-SGCN和Dynamic GCN。在NTU-RGB+D數(shù)據(jù)集的跨對象劃分規(guī)則中,相比經(jīng)典的ST-GCN算法,這兩個算法單模型識別準確率...

【文章頁數(shù)】：85 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
1 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于人工設(shè)計特征的算法
        1.2.2 基于深度學(xué)習(xí)的算法
    1.3 本論文主要研究的內(nèi)容和章節(jié)安排
    1.4 本論文主要的創(chuàng)新點
2 骨架關(guān)節(jié)點依賴關(guān)系自適應(yīng)的圖卷積網(wǎng)絡(luò)
    2.1 圖卷積網(wǎng)絡(luò)概述
        2.1.1 圖卷積網(wǎng)絡(luò)整體概述
        2.1.2 圖卷積網(wǎng)絡(luò)在基于骨架信息的行為識別中的應(yīng)用
    2.2 骨架關(guān)節(jié)點依賴關(guān)系推理網(wǎng)絡(luò)
        2.2.1 典型骨架關(guān)節(jié)點依賴關(guān)系構(gòu)造存在的問題與基礎(chǔ)改進
        2.2.2 骨架關(guān)節(jié)點依賴關(guān)系推理網(wǎng)絡(luò)設(shè)計
        2.2.3 實驗細節(jié)與結(jié)果分析
    2.3 骨架關(guān)節(jié)點上下文信息編碼網(wǎng)絡(luò)設(shè)計
        2.3.1 骨架關(guān)節(jié)點上下文信息學(xué)習(xí)
        2.3.2 骨架關(guān)節(jié)點上下文編碼網(wǎng)絡(luò)(CeN)設(shè)計
        2.3.3 動態(tài)圖卷積網(wǎng)絡(luò)框架
        2.3.4 實驗結(jié)果與分析
    2.4 本章小節(jié)
3 增強版共現(xiàn)特征學(xué)習(xí)網(wǎng)絡(luò)
    3.1 分組卷積和深度可分離卷積技術(shù)概述
        3.1.1 分組卷積技術(shù)
        3.1.2 深度可分離卷積
    3.2 用圖卷積的思路指導(dǎo)卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)
        3.2.1 圖卷積網(wǎng)絡(luò)和帶通道置換的卷積神經(jīng)網(wǎng)絡(luò)的理論聯(lián)系
        3.2.2 增強版共現(xiàn)特征學(xué)習(xí)網(wǎng)絡(luò)設(shè)計
    3.3 實驗結(jié)果和分析
    3.4 本章小結(jié)
4 基于骨架信息的行為識別整體系統(tǒng)流程設(shè)計
    4.1 骨架信息獲取的兩種方式
        4.1.1 基于深度相機的獲取方式
        4.1.2 基于姿勢估計算法的獲取方式
    4.2 基于骨架信息的行為識別整體系統(tǒng)設(shè)計
        4.2.1 RGB視頻數(shù)據(jù)處理模塊設(shè)計
        4.2.2 基于Open Pose框架的骨架信息提取和數(shù)據(jù)處理模塊設(shè)計
        4.2.3 基于骨架信息的行為識別及可視化
    4.3 監(jiān)控場景和現(xiàn)場模擬數(shù)據(jù)測試結(jié)果
    4.4 本章小結(jié)
5 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 后續(xù)工作展望
參考文獻
作者在攻讀碩士學(xué)位期間的科研成果



本文編號：3757644