視頻中的人體行為識別主要是指對包含人體行為的視頻文件或片段進行分類和標記，是近年來計算機視覺和模式識別領域一個非常熱門的研究方向，在人機交互、智能監(jiān)控、視頻檢索等領域有廣泛的應用。在視頻中的人體行為識別相關(guān)工作中，基于視頻的局部時空特征的方法被深入地研究。而在圖像特征編碼領域，稀疏編碼是一種被普遍應用的方法。本文針對基于視頻時空特征和稀疏編碼結(jié)合的視頻表示在人體行為識別問題中的應用進行了研究。本文的主要研究工作和創(chuàng)新點如下：1.首先對視頻時空興趣點的檢測算法和特征提取算法進行了回顧和比較，分析了各算法的優(yōu)缺點、適合的應用場景，比較了各算法的性能表現(xiàn)。本文還對稀疏編碼的原理和主要算法進行了介紹，并對各算法的特點和優(yōu)劣進行了詳細的探討。2.針對目前一些基于時空特征的視頻表示存在的對于目標行為多次重復的視頻特征分布進行不恰當整體編碼的問題，提出了一種基于視頻時空特征聚類的視頻子片段檢測的方法，并結(jié)合聚類分析的方法自動地選擇合適的視頻子片段個數(shù)，從而使每個視頻子片段包含目標行為的一次出現(xiàn)。3.提出了一種基于時空金字塔的匹配和最大匯總結(jié)合的方法來生成分割后的視頻子片段的表示，并進一步將子片段的表... 

【文章來源】：上海交通大學上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：87 頁

【學位級別】：碩士

【部分圖文】：

–1Harris角點檢測算法檢測效果

s) 是原圖 I(x) 與不同方向的二階高斯微分函數(shù)的卷積。圖2–2展示了 Harris-Laplacian 檢測算法的檢測效果。如圖所示白色的圓圈代表的就是最初由多尺度的 Harris 檢測算法的角點響應的比較檢測到的同一平面上的極值所對應的角點的區(qū)域，而黑色的圓圈代表的就是進一步在尺度方向上比較 Laplacian 算子值以后得到的最終的角點所對應的區(qū)域。2.1.2 斑點檢測算法斑點檢測算法主要檢測圖片中的圓形或者類圓形的斑點區(qū)域。斑點檢測算法不同于角點檢測算法使用對二階矩矩陣的計算結(jié)果來判斷角點，而是通過對海森矩陣（Hessian matrix）的計算來檢測興趣點或者區(qū)域�！� 12 —

對這樣的檢測算法有詳細的描述。圖2–3是一幅向日葵的花田的圖片，圖片中的斑點結(jié)構(gòu)都由基于海森矩陣的斑點檢測算法檢測并標注了出來�？梢院苊黠@地發(fā)現(xiàn)，和興趣點都集中在角點的角點檢測算法不同，斑點檢測算法檢測到的興趣點的區(qū)域往往近似包含了一個類似于斑點的區(qū)域。2.2 二維興趣點的描述算法二維興趣點被檢測出來以后，就要對其周邊的圖片區(qū)域提取特征。二維興趣點主要由兩類參數(shù)來描述，一類是它們在圖片中的位置信息，即坐標；另一— 13 —


本文編號：3568758