本文選題：自步學(xué)習(xí)　切入點(diǎn)：多視角　出處：《華東師范大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：現(xiàn)如今,關(guān)于視頻中人體動(dòng)作識(shí)別的應(yīng)用在人們?nèi)粘Ｉ钪须S處可見,比如智能監(jiān)控、視頻檢索、虛擬現(xiàn)實(shí)等等,因此基于視頻的人體動(dòng)作識(shí)別具有非常廣闊的發(fā)展前景和極高的研究?jī)r(jià)值。本文圍繞這一課題主要提出了三種識(shí)別算法,即:基于多視角自步學(xué)習(xí)的人體動(dòng)作識(shí)別算法、基于多視角課程序列的多任務(wù)人體動(dòng)作識(shí)別算法和基于多視角自步學(xué)習(xí)序列的多任務(wù)人體動(dòng)作識(shí)別算法。首先本文對(duì)較為新穎獨(dú)特的自步學(xué)習(xí)算法進(jìn)行了深入的研究,提出了一種基于多視角自步學(xué)習(xí)的人體動(dòng)作識(shí)別算法。該算法除了保留自步學(xué)習(xí)本身的優(yōu)良特性外,還考慮了不同視角對(duì)自步學(xué)習(xí)課程序列的影響。通過(guò)使用線性規(guī)劃增強(qiáng)算法將多個(gè)視角下的自步學(xué)習(xí)分類器進(jìn)行融合,學(xué)習(xí)出更加適合解決多類復(fù)雜人體動(dòng)作識(shí)別問題的綜合課程,進(jìn)而提高了識(shí)別效果。其次本文首次將基于課程的多任務(wù)學(xué)習(xí)用于人體動(dòng)作識(shí)別,該算法將課程學(xué)習(xí)的思想融入多任務(wù)學(xué)習(xí)中,針對(duì)任務(wù)的難易程度與相關(guān)性設(shè)計(jì)課程序列以學(xué)習(xí)多任務(wù)。在此基礎(chǔ)上,本文提出一種基于多視角課程序列的多任務(wù)學(xué)習(xí)算法,從多種視角學(xué)習(xí)多任務(wù)的課程,利用線性規(guī)劃增強(qiáng)算法將多個(gè)視角下的多任務(wù)課程模型進(jìn)行融合,得到一個(gè)更加完備的課程序列多任務(wù)模型。最后,本文提出一種基于多視角自步學(xué)習(xí)序列的多任務(wù)學(xué)習(xí)算法。該算法不僅考慮了多個(gè)任務(wù)的課程設(shè)計(jì),同時(shí)利用自步學(xué)習(xí)算法將每個(gè)任務(wù)內(nèi)訓(xùn)練樣本的課程嵌入到模型學(xué)習(xí)中,通過(guò)設(shè)計(jì)不同視角下多任務(wù)的課程及訓(xùn)練樣本的課程,并將多種視角下的課程模型進(jìn)行融合,最終設(shè)計(jì)出了一個(gè)更加全面的綜合課程模型。利用本文提出的三種算法在公開的人體動(dòng)作數(shù)據(jù)集上進(jìn)行對(duì)比實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明本文算法具有較高的準(zhǔn)確率和魯棒性。
[Abstract]:Nowadays, the application of human motion recognition in video is widely used in people's daily life, such as intelligent surveillance, video retrieval, virtual reality and so on. Therefore, human motion recognition based on video has a very broad development prospect and high research value. This paper mainly proposes three recognition algorithms around this topic, namely, human motion recognition algorithm based on multi-view self-learning. Multi-task human motion recognition algorithm based on multi-view course sequence and multi-task human motion recognition algorithm based on multi-view self-stepping learning sequence. In this paper, a human body motion recognition algorithm based on multi-view self-learning is proposed. The effects of different perspectives on the sequence of self-learning courses are also considered. By using linear programming enhancement algorithm, the self-learning classifier with multiple angles of view is fused. Learning a comprehensive course that is more suitable for solving the problem of multi-class complex human motion recognition, and then improving the recognition effect. Secondly, this paper applies the curriculum based multi-task learning to human motion recognition for the first time. The algorithm integrates the idea of course learning into multi-task learning, and designs the course sequence to learn multi-task according to the difficulty and correlation of tasks. On this basis, this paper proposes a multi-task learning algorithm based on multi-perspective course sequence. Learning multi-task courses from multiple perspectives, using linear programming enhancement algorithm to fuse the multi-task curriculum model under multiple perspectives to obtain a more complete curriculum sequence multi-task model. Finally, In this paper, a multi-task learning algorithm based on multi-view self-step learning sequence is proposed. This algorithm not only considers the curriculum design of multiple tasks, but also embeds the training samples of each task into the model learning by using the self-learning algorithm. By designing multi-task curriculum and training sample curriculum under different visual angle, and combining the curriculum model of multi-perspective, Finally, a more comprehensive integrated curriculum model is designed and compared with the three algorithms proposed in this paper on the open human action data set. The experimental results show that the proposed algorithm has high accuracy and robustness.
【學(xué)位授予單位】：華東師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41;TP181

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 袁飛;程韜波;周松斌;肖先文;;基于加速度特征的可拓動(dòng)作識(shí)別方法[J];自動(dòng)化與信息工程;2009年04期

2 胡雅琴;;動(dòng)作識(shí)別技術(shù)及其發(fā)展[J];電視技術(shù);2013年S2期

3 倪世宏,史忠科,謝川,王彥鴻;軍用戰(zhàn)機(jī)機(jī)動(dòng)飛行動(dòng)作識(shí)別知識(shí)庫(kù)的建立[J];計(jì)算機(jī)仿真;2005年04期

4 程祥;;人體動(dòng)作識(shí)別的研究[J];電腦知識(shí)與技術(shù);2006年20期

5 黃飛躍;徐光yP;;視角無(wú)關(guān)的動(dòng)作識(shí)別[J];軟件學(xué)報(bào);2008年07期

6 徐光yP;曹媛媛;;動(dòng)作識(shí)別與行為理解綜述[J];中國(guó)圖象圖形學(xué)報(bào);2009年02期

7 黃麗鴻;高智勇;劉海華;;基于脈沖神經(jīng)網(wǎng)絡(luò)的人體動(dòng)作識(shí)別[J];現(xiàn)代科學(xué)儀器;2012年02期

8 周艷青;王磊;;基于視覺的人體動(dòng)作識(shí)別綜述[J];山東輕工業(yè)學(xué)院學(xué)報(bào)(自然科學(xué)版);2012年01期

9 曹琨;;基于檢索表的實(shí)時(shí)動(dòng)作識(shí)別技術(shù)研究[J];中外企業(yè)家;2014年05期

10 劉博;安建成;;基于關(guān)鍵姿勢(shì)的人體動(dòng)作識(shí)別[J];電視技術(shù);2014年05期

相關(guān)會(huì)議論文 前7條

1 袁飛;程韜波;周松斌;肖先文;;基于加速度特征的可拓動(dòng)作識(shí)別方法[A];廣州市儀器儀表學(xué)會(huì)2009年學(xué)術(shù)年會(huì)論文集[C];2010年

2 黃飛躍;徐光yP;;自然的人體動(dòng)作識(shí)別[A];第三屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2007）論文集[C];2007年

3 葉喜勇;陶霖密;王國(guó)建;邸慧軍;;視角無(wú)關(guān)的人體軀干動(dòng)作識(shí)別[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2010)、第19屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2010）、第6屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2010）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2010）論文集[C];2010年

4 黃艷歡;葉少珍;;連續(xù)動(dòng)作分割綜述[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

5 董力賡;陶霖密;徐光yP;;頭部姿態(tài)和動(dòng)作的識(shí)別與理解[A];第三屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2007）論文集[C];2007年

6 朱巖;趙旭;劉允才;;基于稀疏編碼和局部時(shí)空特征的人體動(dòng)作識(shí)別[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

7 席旭剛;金燕;朱海港;高云園;;基于小波包熵和支持向量機(jī)的手部肌電信號(hào)動(dòng)作識(shí)別[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

相關(guān)重要報(bào)紙文章 前2條

1 本報(bào)記者 陳丹;人與機(jī)器的“對(duì)話”[N];科技日?qǐng)?bào);2010年

2 ;凌空敲鍵盤？無(wú)線計(jì)算機(jī)手套問世[N];中國(guó)計(jì)算機(jī)報(bào);2004年

相關(guān)博士學(xué)位論文 前10條

1 諶先敢;現(xiàn)實(shí)環(huán)境下的人體動(dòng)作識(shí)別[D];武漢大學(xué);2012年

2 陳淵博;視頻序列中的人體動(dòng)作識(shí)別[D];北京郵電大學(xué);2015年

3 劉翠微;視頻中人的動(dòng)作分析與理解[D];北京理工大學(xué);2015年

4 陳萌;基于李代數(shù)高斯表示的動(dòng)作識(shí)別方法研究[D];華中科技大學(xué);2016年

5 李擬s，

本文編號(hào)：1623548