人體行為識(shí)別是計(jì)算機(jī)視覺和人工智能等領(lǐng)域的重點(diǎn)研究方向。其研究成果廣泛應(yīng)用于智能監(jiān)控、人機(jī)交互、運(yùn)動(dòng)分析、虛擬現(xiàn)實(shí)等領(lǐng)域,具有重要的學(xué)術(shù)研究意義與巨大的市場(chǎng)應(yīng)用潛力。針對(duì)日常生活視頻下的人體動(dòng)作識(shí)別任務(wù),為了保留動(dòng)作在真實(shí)場(chǎng)景下的時(shí)間和空間維度上的更多特征,通過基于視頻中人體行為時(shí)空運(yùn)動(dòng)特征,設(shè)計(jì)了融合以人體骨架、RGB圖和光流作為輸入,具有時(shí)序性的行為識(shí)別神經(jīng)網(wǎng)絡(luò)框架TS-IC3D-LSTM。在自建數(shù)據(jù)庫上驗(yàn)證了文中算法的有效性,并在UCF101數(shù)據(jù)集上驗(yàn)證了文中算法相對(duì)于其它相關(guān)算法的優(yōu)越性。主要研究?jī)?nèi)容如下:（1）為了降低外界光照、遮擋等因素對(duì)特征提取的影響。首先,通過特征提取模塊提取目標(biāo)視頻序列中的人體骨架特征,得到人體骨架運(yùn)動(dòng)序列。對(duì)骨架關(guān)節(jié)點(diǎn)坐標(biāo)歸一化以消除人體的絕對(duì)空間位置對(duì)識(shí)別過程的影響。然后通過簡(jiǎn)單的平滑濾波器對(duì)骨架關(guān)節(jié)點(diǎn)進(jìn)行濾波,以提高信噪比。最后對(duì)人骨架進(jìn)行特征表征,以表征矩陣的形式輸出。（2）為了解決單一特征在描述視頻中人體行為時(shí)存在特征表征不足的問題。通過融合RGB圖和人體骨架運(yùn)動(dòng)序列共同表征空間信息,加入光流表征時(shí)間信息。為了解決視頻數(shù)據(jù)中的計(jì)算冗余問題,還... 

【文章來源】：廣東工業(yè)大學(xué)廣東省

【文章頁數(shù)】：78 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
        1.2.3 基于深度學(xué)習(xí)的行為識(shí)別
    1.3 主要研究?jī)?nèi)容
    1.4 論文篇章結(jié)構(gòu)
第二章 人體行為識(shí)別理論基礎(chǔ)
    2.1 傳統(tǒng)方法
        2.1.1 背景減除法
        2.1.2 幀間差分法
        2.1.3 光流法
    2.2 深度學(xué)習(xí)基礎(chǔ)知識(shí)
    2.3 卷積神經(jīng)網(wǎng)絡(luò)
    2.4 長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)
    2.5 Temporal Segment Networks
    2.6 長(zhǎng)期循環(huán)卷積神經(jīng)網(wǎng)絡(luò)
    2.7 本章小結(jié)
第三章 基于TS-IC3D-LSTM的行為識(shí)別算法研究
    3.1 算法設(shè)計(jì)思路
    3.2 人體骨架特征表征
    3.3 TS-IC3D-LSTM網(wǎng)絡(luò)設(shè)計(jì)
        3.3.1 TS-IC3D-LSTM整體網(wǎng)絡(luò)結(jié)構(gòu)
        3.3.2 特征提取模塊
        3.3.3 子網(wǎng)絡(luò)模塊
        3.3.4 全連接層及Softmax分類層
    3.4 算法模型評(píng)估
    3.5 過擬合問題及網(wǎng)絡(luò)優(yōu)化
    3.6 本章小結(jié)
第四章 模型訓(xùn)練與實(shí)驗(yàn)結(jié)果分析
    4.1 實(shí)驗(yàn)環(huán)境
    4.2 數(shù)據(jù)庫介紹
    4.3 網(wǎng)絡(luò)模型訓(xùn)練
        4.3.1 數(shù)據(jù)預(yù)處理
        4.3.2 網(wǎng)絡(luò)參數(shù)設(shè)置
        4.3.3 模型訓(xùn)練及性能測(cè)試
    4.4 實(shí)驗(yàn)結(jié)果分析
        4.4.1 本文算法結(jié)果
        4.4.2 與相關(guān)算法的比較
        4.4.3 相關(guān)因素對(duì)算法識(shí)別性能的影響
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 工作展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間所發(fā)表的論文
致謝



本文編號(hào)：3154647