計算機視覺領(lǐng)域的迅速發(fā)展,以及現(xiàn)代社會安防意識的逐步提高,基于視頻的行為識別研究在人類日常生活的各個方面有著重要的意義和應(yīng)用價值。國內(nèi)外學(xué)者在行為識別這一研究領(lǐng)域已經(jīng)有了一定的發(fā)展成果,在深度學(xué)習(xí)出現(xiàn)之前,研究思路一般是首先對視頻樣本提取行為特征,然后進(jìn)行行為識別分類。而深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network,CNN）技術(shù)的出現(xiàn),帶來了行為識別領(lǐng)域的新篇章,CNN能夠自動地從輸入數(shù)據(jù)中逐層地學(xué)習(xí)特征,并且對平移、縮放、旋轉(zhuǎn)等變換具有不變性,廣泛應(yīng)用于各個領(lǐng)域。在深入了解行為識別領(lǐng)域研究現(xiàn)狀以及CNN結(jié)構(gòu)原理的基礎(chǔ)上,針對行為識別過程的實時性和準(zhǔn)確性問題,在時間分段網(wǎng)絡(luò)進(jìn)行行為識別的基礎(chǔ)上,提出了基于CeLiu算法求解光流場圖像的行為識別過程,經(jīng)過實驗對比驗證,這種算法對最終的行為識別準(zhǔn)確率有了一定的提高,但實時性反而有所下降。為了進(jìn)一步提高行為識別過程的實時性和準(zhǔn)確率,將通過CNN自動提取光流場的算法FlowNet2.0引入到行為識別過程中,在光流的求解過程經(jīng)過雙線性采樣、閉合解求邊界等方法的處理,可以得到具有尖銳運動邊界的平滑光流場圖像,然后將... 

【文章來源】：云南大學(xué)云南省 211工程院校

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【部分圖文】：

尺度變化和雜亂背景（源自UCF101數(shù)據(jù)集）

光線變化和視角變化（源自UCF101數(shù)據(jù)集）

光流顏色編碼方案

【參考文獻(xiàn)】：
期刊論文
[1]靜止背景下的人體行為識別方法[J]. 高晨蘭,朱嘉鋼.  計算機工程. 2017(10)
[2]Face recognition based on subset selection via metric learning on manifold[J]. Hong SHAO,Shuang CHEN,Jie-yi ZHAO,Wen-cheng CUI,Tian-shu YU.  Frontiers of Information Technology & Electronic Engineering. 2015(12)

碩士論文
[1]遷移學(xué)習(xí)在圖像分類中的應(yīng)用研究[D]. 吳國琴.安徽大學(xué) 2017



本文編號：3074448