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

【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動特征，主要用于檢測圖像中的人??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．．．??計算梯度??；??對于每一個《１１塊對梯度直方圖??ｃｅｉｉ?—進(jìn)行規(guī)定權(quán)重的投影??１?＾??對于每一個重Ｓｂｌｏｃｋ塊內(nèi)的ｃｅｌｌ??＞?．，?進(jìn)行對比度歸一化??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動特征，主要用于檢測圖像中的人??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．．．??計算梯度??；??對于每一個《１１塊對梯度直方圖??ｃｅｉｉ?—進(jìn)行規(guī)定權(quán)重的投影??１?＾??對于每一個重Ｓｂｌｏｃｋ塊內(nèi)的ｃｅｌｌ??＞?．，?進(jìn)行對比度歸一化??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：3622670