人體行為識別是計算機視覺研究與應(yīng)用領(lǐng)域的重要課題,在醫(yī)療監(jiān)護系統(tǒng)、智能家居系統(tǒng)、虛擬現(xiàn)實、人機交互系統(tǒng)、智能安防、基于內(nèi)容的視頻檢索、運動員輔助訓(xùn)練系統(tǒng)等領(lǐng)域具有非常廣闊的應(yīng)用前景。在傳統(tǒng)的行為識別模型框架中,通常要滿足兩個條件:(1)訓(xùn)練樣本數(shù)量足夠多,這樣才有可能學(xué)習到一個良好的分類模型;(2)測試樣本和訓(xùn)練樣本具有相同的分布。但是,實際場景中往往無法滿足這兩個條件。一方面,隨著大數(shù)據(jù)時代互聯(lián)網(wǎng)的快速發(fā)展和深度學(xué)習技術(shù)的出現(xiàn),視頻數(shù)據(jù)量每天都在快速地增長,對海量視頻數(shù)據(jù)進行人工標注,將會耗費大量的人力、物力和財力。另一方面,一些新興模態(tài)的行為數(shù)據(jù)也不斷涌現(xiàn),如由不同環(huán)境(背景復(fù)雜度、光照、場景等)下采集到的視頻、不同相機視角(正視、側(cè)視、俯視等)采集到的視頻、不同傳感器采集到的視頻(如可見光視頻、熱紅外視頻、包含深度信息視頻等)、不同媒體類型的行為數(shù)據(jù)(如圖像、視頻、各種傳感器采集到的運動數(shù)據(jù)等)。對于這些不同模態(tài)的視頻,訓(xùn)練樣本的采集難度差異較大,導(dǎo)致某些模態(tài)的訓(xùn)練樣本數(shù)量匱乏,并且不同模態(tài)的視頻間存在較大的分布差異。如果使用傳統(tǒng)的分類方法進行跨域行為識別,即利用有限的訓(xùn)練樣本在... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：136 頁

【學(xué)位級別】：博士

【部分圖文】：

人體行為識別應(yīng)用場景智能安防視頻檢索運動輔助訓(xùn)練


本文編號：2911527