近些年來,隨著計(jì)算機(jī)視覺領(lǐng)域與深度學(xué)習(xí)算法的發(fā)展,基于深度學(xué)習(xí)的視頻時(shí)空動(dòng)作檢測(cè)技術(shù)也逐漸成為研究熱點(diǎn)。動(dòng)作時(shí)空動(dòng)作檢測(cè)算法的目標(biāo)在于檢測(cè)視頻中的人體動(dòng)作,定位動(dòng)作發(fā)生的空間位置和時(shí)間位置,并識(shí)別動(dòng)作的種類,最終生成動(dòng)作管（Action Tube）。本文圍繞此目標(biāo),對(duì)現(xiàn)有基于深度學(xué)習(xí)的視頻時(shí)空動(dòng)作檢測(cè)算法進(jìn)行了研究,并針對(duì)時(shí)域提出了多種動(dòng)作時(shí)域檢測(cè)算法,同時(shí)也設(shè)計(jì)出一套完整的視頻時(shí)空動(dòng)作檢測(cè)系統(tǒng),提高了現(xiàn)有算法的運(yùn)行速度與準(zhǔn)確率。本文的主要工作及創(chuàng)新點(diǎn)如下:（1）本文提出了基于長時(shí)相關(guān)性的動(dòng)作時(shí)域檢測(cè)算法,旨在解決現(xiàn)有算法在定位動(dòng)作時(shí)間位置時(shí)出現(xiàn)的耗時(shí)過長的問題。算法首先以視頻的幀級(jí)圖像為單位檢測(cè)人體動(dòng)作,檢測(cè)動(dòng)作的空間位置,并對(duì)動(dòng)作進(jìn)行分類。接下來,在幀級(jí)空間檢測(cè)結(jié)果的基礎(chǔ)上,算法基于長時(shí)相關(guān)性原理,進(jìn)行時(shí)域動(dòng)檢檢測(cè),連接幀級(jí)結(jié)果并定位動(dòng)作的時(shí)間位置。在基于長時(shí)相關(guān)性的動(dòng)作時(shí)域檢測(cè)算法中,幀級(jí)結(jié)果的連接不局限于鄰接幀的連接,而是借鑒長時(shí)相關(guān)性原理,對(duì)待連接幀的選擇范圍在時(shí)間上進(jìn)行了擴(kuò)展。在UCF101數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,本文提出的算法能有效提升算法的運(yùn)行速度,同時(shí)還能提升動(dòng)作時(shí)空... 

【文章來源】：北京郵電大學(xué)北京市211工程院校教育部直屬院校

【文章頁數(shù)】：85 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－１課題研究流程圖??如圖２－１所示，該算法的流程具體如下：??

方向梯度直方圖（Ｈｉｓｔｏｇｒａｍ?ｏｆ?Ｏｒｉｅｎｔｅｄ?Ｇｒａｄｉｅｎｔ，?ＨＯＧ）是?Ｎａｖｎｅｅｔ?Ｄａｌａｉ??等人提出的描述符，可以提取人體的外觀與運(yùn)動(dòng)特征，主要用于檢測(cè)圖像中的人??體。如圖２－２所示，為ＨＯＧ算子提取特征的流程。??＾?檢刺窗ａ??｜?歸一化圖像??ｉ．．．??計(jì)算梯度??；??對(duì)于每一個(gè)《１１塊對(duì)梯度直方圖??ｃｅｉｉ?—進(jìn)行規(guī)定權(quán)重的投影??１?＾??對(duì)于每一個(gè)重Ｓｂｌｏｃｋ塊內(nèi)的ｃｅｌｌ??＞?．，?進(jìn)行對(duì)比度歸一化??ｂｌｏｃｋ?Ｗ?＼????＼?＼?＼?Ｉ??把所有ｂｉ〇ｃｋ塊內(nèi)的直方圖向屋??＼一起組合成一個(gè)大的ＨＯＧ持征向置??圖２－２?ＨＯＧ算子特征提取流程示意圖??（１）

方向梯度直方圖（Ｈｉｓｔｏｇｒａｍ?ｏｆ?Ｏｒｉｅｎｔｅｄ?Ｇｒａｄｉｅｎｔ，?ＨＯＧ）是?Ｎａｖｎｅｅｔ?Ｄａｌａｉ??等人提出的描述符，可以提取人體的外觀與運(yùn)動(dòng)特征，主要用于檢測(cè)圖像中的人??體。如圖２－２所示，為ＨＯＧ算子提取特征的流程。??＾?檢刺窗ａ??｜?歸一化圖像??ｉ．．．??計(jì)算梯度??；??對(duì)于每一個(gè)《１１塊對(duì)梯度直方圖??ｃｅｉｉ?—進(jìn)行規(guī)定權(quán)重的投影??１?＾??對(duì)于每一個(gè)重Ｓｂｌｏｃｋ塊內(nèi)的ｃｅｌｌ??＞?．，?進(jìn)行對(duì)比度歸一化??ｂｌｏｃｋ?Ｗ?＼????＼?＼?＼?Ｉ??把所有ｂｉ〇ｃｋ塊內(nèi)的直方圖向屋??＼一起組合成一個(gè)大的ＨＯＧ持征向置??圖２－２?ＨＯＧ算子特征提取流程示意圖??（１）


本文編號(hào)：3622670