發(fā)布時間：2021-12-19 00:42

　　在智能安防領域中,對雙人交互行為識別技術的研究非常重要。雖然目前在雙人交互行為識別技術上的研究已經取得了一些研究成果,但是研究的重點是如何準確地識別雙人交互行為,提高行為識別的準確率,并沒有考慮時間因素,然而在實際應用中,時間因素非常重要。因此本文的研究重點是如何在保證雙人交互行為識別準確率的前提下提高行為識別的實時性。本文針對UT-interaction數(shù)據(jù)集中的握手、擁抱、踢腿、挑逗、推動和打拳六種雙人交互行為進行分析。本文的研究思路是采用基于高斯混合模型的背景差法檢測運動人體目標,通過卷積神經網(wǎng)絡提取雙人交互行為特征,并設計雙隱層BP神經網(wǎng)絡對雙人交互行為進行分類,完成算法軟件的設計與實現(xiàn)。本文的主要工作包括以下幾個方面:（1）采用基于高斯混合模型的背景差法實現(xiàn)運動人體目標檢測�；诟咚够旌夏Ｐ偷谋尘安罘ǹ梢詫崟r地根據(jù)環(huán)境變化不斷更新背景,能夠適應動態(tài)變換的場景;同時該方法也可以避免噪聲、光照等因素的影響。本文通過背景差法實現(xiàn)運動人體目標檢測,并將灰度圖像轉換為二值圖像。（2）面向雙人交互行為特征提取,改進卷積神經網(wǎng)絡ALex Net。在檢測到運動人體目標的基礎上,本文通過改進后... 

【文章來源】：中國科學院大學(中國科學院國家空間科學中心)北京市

【文章頁數(shù)】：79 頁

【學位級別】：碩士

【部分圖文】：

常用的行為識別數(shù)據(jù)集

基于卷積神經網(wǎng)絡的雙人交互行為識別技術研究3.2 卷積神經網(wǎng)絡基本結構CNN 在視頻圖像識別領域中有著廣泛的應用，因此本文將通過 CNN 模型提取雙人交互行為特征。CNN 由若干個卷積層（Convolutional Layer）、池化層（Pooling Layer）和全連接層（Fully-Connected Layer）組成，其網(wǎng)絡結構如圖3-2 所示。

Relu函數(shù)圖像

【參考文獻】：
期刊論文
[1]基于分階段視覺共生矩陣序列的雙人交互識別[J]. 姬曉飛,左鑫孟.  計算機工程與設計. 2017(09)
[2]行為識別技術的研究與發(fā)展[J]. 祁家榕,張昌偉.  智能計算機與應用. 2017(04)
[3]分層結構的雙人交互行為識別方法[J]. 姬曉飛,王昌匯,王揚揚.  智能系統(tǒng)學報. 2015(06)
[4]圖像物體分類與檢測算法綜述[J]. 黃凱奇,任偉強,譚鐵牛.  計算機學報. 2014(06)
[5]基于視覺的人的運動識別綜述[J]. 杜友田,陳峰,徐文立,李永彬.  電子學報. 2007(01)
[6]人運動的視覺分析綜述[J]. 王亮,胡衛(wèi)明,譚鐵牛.  計算機學報. 2002(03)
[7]BP 神經網(wǎng)絡結構與樣本訓練參數(shù)選取的初步探討[J]. 潘昊,陳杰,鐘珞.  湖北工學院學報. 1997(03)

博士論文
[1]智能視頻監(jiān)控中的目標識別與異常行為建模與分析[D]. 張一.上海交通大學 2010
[2]人工神經網(wǎng)絡的泛化性能與降水預報的應用研究[D]. 林開平.南京信息工程大學 2007

碩士論文
[1]基于時空興趣點的單人行為及交互行為的識別方法[D]. 孫愛朦.吉林大學 2014
[2]基于時空興趣點的人體行為識別[D]. 楊佳慧.南京郵電大學 2014



本文編號：3543456