動(dòng)物行為分析是生物學(xué)和計(jì)算機(jī)科學(xué)交叉的重要研究方向,其主要通過(guò)利用計(jì)算機(jī)視覺(jué)和人工智能技術(shù)來(lái)自動(dòng)化地分析動(dòng)物身體、關(guān)節(jié)等部位的行為。作為動(dòng)物行為分析中的重點(diǎn),動(dòng)物視頻行為識(shí)別需要提取出視頻中的動(dòng)作序列的關(guān)鍵視覺(jué)特征,然后通過(guò)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等算法來(lái)學(xué)習(xí)目標(biāo)動(dòng)作的時(shí)空信息,從而完成對(duì)目標(biāo)動(dòng)作的視覺(jué)內(nèi)容理解和模式識(shí)別。本文面向視頻信息中時(shí)空動(dòng)作特征的理解和分析,主要研究其中涉及的視頻行為識(shí)別算法。針對(duì)目前主流行為識(shí)別算法中,傳統(tǒng)雙流網(wǎng)絡(luò)無(wú)法學(xué)習(xí)非局部時(shí)空依賴關(guān)系的缺陷以及單流網(wǎng)絡(luò)在判別關(guān)鍵區(qū)域的識(shí)別能力的不足,分別提出了互相關(guān)融合網(wǎng)絡(luò)和判別濾波網(wǎng)絡(luò)。本文的主要研究和工作如下:1.針對(duì)傳統(tǒng)雙流網(wǎng)絡(luò)無(wú)法進(jìn)行非局部的特征融合的缺陷,提出了基于互相關(guān)雙流融合網(wǎng)絡(luò)的動(dòng)作識(shí)別算法。雙流網(wǎng)絡(luò)通過(guò)學(xué)習(xí)圖像靜態(tài)信息和光流運(yùn)動(dòng)信息分別得到空間特征和時(shí)序特征,并使用后融合結(jié)合兩者輸出從而提高動(dòng)作識(shí)別性能,然而后融合的方式無(wú)法學(xué)習(xí)到這兩種特征的非局部依賴關(guān)系,即不同區(qū)域的“物體”和“動(dòng)作”的特征關(guān)系。本文提出的互相關(guān)網(wǎng)絡(luò)通過(guò)引入互相關(guān)矩陣來(lái)計(jì)算兩種特征之間的全局響應(yīng)值,從而可以捕獲非局部的時(shí)空依賴關(guān)系,最后在U... 

【文章頁(yè)數(shù)】：89 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 研究?jī)?nèi)容及目的
    1.3 全文結(jié)構(gòu)
    1.4 本章小結(jié)
第2章 行為識(shí)別現(xiàn)狀
    2.1 引言
    2.2 視頻動(dòng)作識(shí)別算法
        2.2.1 基于手工特征的傳統(tǒng)方法
        2.2.2 基于深度學(xué)習(xí)的動(dòng)作識(shí)別算法
    2.3 動(dòng)物行為分析
        2.3.1 基于傳統(tǒng)方法的行為分析系統(tǒng)
        2.3.2 基于深度學(xué)習(xí)的行為分析系統(tǒng)
    2.4 精細(xì)目標(biāo)識(shí)別算法
        2.4.1 基于端到端編碼的精細(xì)目標(biāo)識(shí)別算法
        2.4.2 基于定位-識(shí)別的精細(xì)目標(biāo)識(shí)別算法
    2.5 本章小結(jié)
第3章 基于互相關(guān)融合的雙流行為識(shí)別算法
    3.1 引言
    3.2 互相關(guān)融合的雙流行為識(shí)別算法概述
    3.3 雙流神經(jīng)網(wǎng)絡(luò)架構(gòu)
        3.3.1 時(shí)序分割網(wǎng)絡(luò)
        3.3.2 三維卷積神經(jīng)網(wǎng)絡(luò)
    3.4 互相關(guān)融合網(wǎng)絡(luò)架構(gòu)
        3.4.1 互相關(guān)融合模塊
        3.4.2 互相關(guān)融合網(wǎng)絡(luò)
    3.5 實(shí)驗(yàn)與分析
        3.5.1 數(shù)據(jù)集
        3.5.2 評(píng)價(jià)指標(biāo)
        3.5.3 實(shí)現(xiàn)細(xì)節(jié)
        3.5.4 空間流實(shí)驗(yàn)結(jié)果
        3.5.5 時(shí)序流實(shí)驗(yàn)結(jié)果
        3.5.6 大鼠行為后融合實(shí)驗(yàn)結(jié)果
        3.5.7 互相關(guān)雙流融合實(shí)驗(yàn)結(jié)果
        3.5.8 可視化分析
        3.5.9 算法優(yōu)缺點(diǎn)
    3.6 本章小結(jié)
第4章 基于判別濾波網(wǎng)絡(luò)的動(dòng)物精細(xì)行為識(shí)別
    4.1 引言
    4.2 判別濾波動(dòng)作識(shí)別算法概述
    4.3 判別濾波網(wǎng)絡(luò)架構(gòu)
        4.3.1 空間-通道自適應(yīng)注意力卷積核模塊
        4.3.2 判別濾波網(wǎng)絡(luò)
    4.4 實(shí)驗(yàn)與分析
        4.4.1 果蠅幼蟲(chóng)數(shù)據(jù)集
        4.4.2 實(shí)現(xiàn)細(xì)節(jié)
        4.4.3 判別濾波實(shí)驗(yàn)結(jié)果與分析
        4.4.4 可視化分析
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 未來(lái)研究展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間主要的研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]2019 IEEE計(jì)算機(jī)視覺(jué)與模式識(shí)別會(huì)議（英文）[J].   智能系統(tǒng)學(xué)報(bào). 2018(06)
[2]行者HAM西游記[J]. 李欣（BG9CBY）,BG9AUY,BG9BYK,BG9BUS.  現(xiàn)代通信. 2010(01)



本文編號(hào)：3716964