視頻序列中的人體行為識(shí)別作為機(jī)器學(xué)習(xí)領(lǐng)域的熱點(diǎn)和難點(diǎn)之一,已經(jīng)引起了認(rèn)知科學(xué)、生物學(xué)以及計(jì)算機(jī)科學(xué)等各個(gè)學(xué)科的廣泛關(guān)注,同時(shí),已成功應(yīng)用于視頻監(jiān)控、零售分析和醫(yī)療診斷等各個(gè)行業(yè)。目前,簡(jiǎn)單場(chǎng)景和攝像機(jī)固定條件下的行為識(shí)別已經(jīng)取得了相當(dāng)好的性能。然而,對(duì)于從電影、電視和其他媒體平臺(tái)上收集得到的真實(shí)視頻,識(shí)別準(zhǔn)確率還遠(yuǎn)遠(yuǎn)沒(méi)有達(dá)到期望的要求。這是因?yàn)檎鎸?shí)場(chǎng)景下的行為視頻中通常存在著巨大的類(lèi)內(nèi)差異性和類(lèi)間相似性,以及大量復(fù)雜背景。因此,如何設(shè)計(jì)有效的特征表示對(duì)于視頻中的行為識(shí)別是至關(guān)重要的。本文在充分分析和學(xué)習(xí)現(xiàn)有方法的基礎(chǔ)上,構(gòu)建了一種基于運(yùn)動(dòng)學(xué)描述子和深度學(xué)習(xí)的行為識(shí)別新框架。（1）通過(guò)對(duì)視頻光流場(chǎng)的動(dòng)力學(xué)特性進(jìn)行探索,構(gòu)建了一組更具判別性的運(yùn)動(dòng)學(xué)場(chǎng),包括:光流時(shí)空梯度場(chǎng)、散度場(chǎng)、旋度場(chǎng)、切變場(chǎng)、對(duì)稱(chēng)場(chǎng)以及非對(duì)稱(chēng)場(chǎng)。在此基礎(chǔ)上,通過(guò)探索特征與其鄰域信息之間的相關(guān)性,構(gòu)建了一個(gè)新的運(yùn)動(dòng)學(xué)自相關(guān)描述子。該描述子能夠很好地獲取光流場(chǎng)的時(shí)空幾何特性,具有較強(qiáng)的運(yùn)動(dòng)細(xì)節(jié)及運(yùn)動(dòng)空間描述能力。同時(shí),通過(guò)探索底層運(yùn)動(dòng)學(xué)特征之間的關(guān)系,構(gòu)建了一個(gè)新的運(yùn)動(dòng)學(xué)協(xié)方差描述子。該描述子具有很好的緊湊性和判別性,在實(shí)... 

【文章來(lái)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(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語(yǔ)對(duì)照表
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 論文主要研究?jī)?nèi)容及章節(jié)安排
第二章 人體行為識(shí)別相關(guān)工作介紹
    2.1 引言
    2.2 基于人工特征的行為識(shí)別方法
        2.2.1 靜態(tài)人工特征
        2.2.2 動(dòng)態(tài)人工特征
    2.3 基于深度學(xué)習(xí)的行為識(shí)別方法
        2.3.1 雙流卷積網(wǎng)絡(luò)
        2.3.2 3D卷積網(wǎng)絡(luò)
    2.4 本章小結(jié)
第三章 一種基于運(yùn)動(dòng)學(xué)描述子的人體行為識(shí)別方法
    3.1 引言
    3.2 運(yùn)動(dòng)學(xué)場(chǎng)提取
        3.2.1 稠密光流提取
        3.2.2 光流時(shí)空梯度場(chǎng)提取
        3.2.3 散度場(chǎng)和旋度場(chǎng)提取
        3.2.4 切變場(chǎng)提取
        3.2.5 對(duì)稱(chēng)場(chǎng)和非對(duì)稱(chēng)場(chǎng)提取
    3.3 構(gòu)建運(yùn)動(dòng)學(xué)自相關(guān)描述子
    3.4 構(gòu)建運(yùn)動(dòng)學(xué)協(xié)方差描述子
        3.4.1 底層特征提取
        3.4.2 構(gòu)建運(yùn)動(dòng)學(xué)協(xié)方差描述子
    3.5 運(yùn)動(dòng)學(xué)描述子用于行為識(shí)別
        3.5.1 Fisher編碼
        3.5.2 主成分分析
        3.5.3 人體行為識(shí)別
    3.6 本章小結(jié)
第四章 基于運(yùn)動(dòng)學(xué)描述子和深度學(xué)習(xí)的行為識(shí)別新框架
    4.1 引言
    4.2 深度殘差網(wǎng)絡(luò)
        4.2.1 殘差模塊
        4.2.2 深度殘差網(wǎng)絡(luò)的結(jié)構(gòu)與訓(xùn)練方式
    4.3 融合注意力機(jī)制的深度殘差網(wǎng)絡(luò)
        4.3.1 多通道軟注意力機(jī)制
        4.3.2 融合注意力機(jī)制的深度殘差網(wǎng)絡(luò)
    4.4 構(gòu)建深度靜態(tài)描述子
    4.5 基于運(yùn)動(dòng)學(xué)描述子和深度學(xué)習(xí)的行為識(shí)別新框架
    4.6 實(shí)驗(yàn)與分析
        4.6.1 數(shù)據(jù)庫(kù)介紹
        4.6.2 參數(shù)設(shè)置與數(shù)據(jù)庫(kù)劃分
        4.6.3 基于人工運(yùn)動(dòng)學(xué)描述子的行為識(shí)別實(shí)驗(yàn)
        4.6.4 正則項(xiàng)參數(shù)選擇實(shí)驗(yàn)
        4.6.5 基于深度靜態(tài)描述子的行為識(shí)別實(shí)驗(yàn)
        4.6.6 基于新框架的行為識(shí)別實(shí)驗(yàn)
        4.6.7 特征可視化
    4.7 本章小結(jié)
第五章 全文總結(jié)與展望
    5.1 全文總結(jié)
    5.2 未來(lái)展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介



本文編號(hào)：3174396