基于視覺的行為識別是指將包含某種行為的視頻或者圖像序列標(biāo)注為正確的類別標(biāo)號。行為識別技術(shù)可用于視頻監(jiān)控、無人駕駛、人機交互、體育視頻分析等眾多領(lǐng)域,具有廣泛的應(yīng)用價值。行為識別研究涵蓋特征提取、行為描述與表示以及分類器設(shè)計等諸多問題,涉及計算機視覺、機器學(xué)習(xí)、模式識別等多學(xué)科的交叉,是近年來人工智能領(lǐng)域研究的熱點,具有重要的研究意義。本文在綜合敘述國內(nèi)外相關(guān)文獻(xiàn)基礎(chǔ)上,對基于稀疏表示模型的行為識別方法進(jìn)行了深入研究。各種行為類內(nèi)差異和類間差異的表示是行為識別中的關(guān)鍵問題,近年來基于稀疏表示的分類模型(Sparse Representation based Classifier,SRC)在模式識別領(lǐng)域獲得廣泛應(yīng)用,SRC能在一定程度上解決上述差異問題。稀疏模型中通過對每個行為類別單獨學(xué)習(xí)字典,使字典中的原子盡可能包含不同的形態(tài),從而將類內(nèi)差異包含進(jìn)來;對不同行為分別學(xué)習(xí)的字典則能體現(xiàn)類間差異。本文對稀疏表示相關(guān)理論進(jìn)行了深入研究,重點研究基于稀疏表示的行為識別算法。課題的主要研究內(nèi)容如下:(1)研究了一種基于視頻局部時空特征在級聯(lián)字典上最近鄰原子表示的行為識別方法。傳統(tǒng)的SRC分類器在識...

【文章頁數(shù)】：109 頁

【學(xué)位級別】：博士

【部分圖文】：

圖2-3局部特征塊示意圖

3Hdet(u)ktrace(u)的參數(shù)。H矩陣中的局部極大值點即是時空關(guān)鍵檢測的關(guān)鍵點一般比較少，會導(dǎo)致提取的信息不空濾波的方式直接對視頻進(jìn)行卷積操作，其運動22**(**)evodR（Igh）Igh矩陣，g(....

圖2-7Weizmann人體運動數(shù)據(jù)庫樣例Fig.2-7FramesamplesofWeizmanndataset

燕山大學(xué)工學(xué)博士學(xué)位論文究者廣泛采用的基準(zhǔn)數(shù)據(jù)庫，包含了Bend、Jack、JumpFoce(P-jump)、Run、gallopSideways(Side)、Skip、Wa、Wavetwohands(Wave2)總共10個常見的人體動作，每幀視頻采樣速率為2....

圖2-9SVM與KNN在Weizmann上的識別混淆矩陣圖

（c）KNNDim=60（d）KNNDim=70圖2-9SVM與KNN在Weizmann上的識別混淆矩陣圖Fig.2-9ConfusionmatrixofSVMandKNNonWeizmanndataset.7本章小結(jié)介紹了一種典型的行為識....

圖4-3FacialExpressions數(shù)據(jù)庫樣例Fig.4-3ExampleframesfromFacialExpressionsdataset

圖4-3FacialExpressions數(shù)據(jù)庫樣例Fig.4-3ExampleframesfromFacialExpressionsdataset.2決策函數(shù)NA-PC與NA-AC圖4-4給出了NA-AC與NA-PC在FacialExp....

本文編號：3900834