【摘要】：視頻人體行為識別作為模式識別和計算機(jī)視覺領(lǐng)域的熱點(diǎn)研究方向之一,在智能視頻監(jiān)控、人機(jī)交互、異常行為檢測、視頻檢索等方面具有廣泛的應(yīng)用前景。行為識別研究的目的是利用現(xiàn)有的計算機(jī)技術(shù)使機(jī)器能夠像人類一樣具有識別、分析、理解以及預(yù)測人體行為的能力。視頻人體行為識別技術(shù)盡管已取得了長足的進(jìn)步與發(fā)展,但是,當(dāng)前仍然面臨如何高效、準(zhǔn)確地獲取、描述人體行為特征,進(jìn)而學(xué)習(xí)特征之間的關(guān)系、融合特征以及行為建模等各個方面的問題。為了解決上述問題,我們以局部特征作為切入點(diǎn)研究人體行為模型的識別算法。總的來說,本文的研究內(nèi)容和創(chuàng)新性工作總結(jié)如下：1)有效的局部特征和描述符由于成像設(shè)備的運(yùn)動,基于跟蹤興趣點(diǎn)提取的局部特征包含了來自運(yùn)動場景的不相關(guān)信息,同時單一模式的方向量化致使方向被誤劃分。針對這一問題,我們提出了跟蹤相對運(yùn)動點(diǎn)和多方向模式量化軌跡方向的行為模型。該方法采用超像素分割和能夠抑制相機(jī)勻速運(yùn)動的運(yùn)動邊緣檢測器選擇有效的軌跡起點(diǎn)。對于軌跡形狀的表示,采用預(yù)定義的多重方向模式量化軌跡的方向信息,經(jīng)過每個模式的量化,串聯(lián)組合作為軌跡形狀的描述符。在KTH(瑞典皇家理工學(xué)院)和UCF-sports行為數(shù)據(jù)庫(美國University of Central Florida)上,實(shí)驗(yàn)結(jié)果證明,提取的相對運(yùn)動點(diǎn)軌跡能夠描述感興趣對象的運(yùn)動變化,多模式方向統(tǒng)計描述符增強(qiáng)了軌跡形狀特征的魯棒性。與相關(guān)文獻(xiàn)的識別結(jié)果比較,選擇軌跡起點(diǎn)提取的特征在MKL融合框架下獲得了較好的識別性能。2)基于分層樹結(jié)構(gòu)字典的稀疏編碼稀疏編碼能夠自適應(yīng)地表示信號。然而,學(xué)習(xí)的字典缺少原子之間的關(guān)聯(lián),信號的相似性在編碼后缺失�？紤]到結(jié)構(gòu)化稀疏表示的魯棒性,我們提出了樹結(jié)構(gòu)的字典學(xué)習(xí)和編碼方法。該方法以分層的方式,逐層學(xué)習(xí)字典原子,并建立上下層的子字典原子之間的關(guān)聯(lián)。具體來說,以標(biāo)準(zhǔn)的字典學(xué)習(xí)為基礎(chǔ),凸優(yōu)化算法引入數(shù)據(jù)點(diǎn)編碼路徑約束,即上層編碼選擇的字典原子索引規(guī)劃下層字典選擇的原子。實(shí)驗(yàn)結(jié)果表明,局部特征的稀疏表示具有較好的魯棒性。在KTH數(shù)據(jù)庫上,與其他相似文獻(xiàn)的識別結(jié)果相比,基于樹結(jié)構(gòu)字典編碼建立的行為模型獲得了較好的識別結(jié)果,樹結(jié)構(gòu)的編碼模型優(yōu)于標(biāo)準(zhǔn)稀疏表示的方法。3)分層特征組的行為模型 在復(fù)雜的人體行為識別領(lǐng)域,空時關(guān)系在描述行為原型時顯示出了較強(qiáng)的判別性。然而,在歐式距離度量下,采用不穩(wěn)定的時空興趣點(diǎn)構(gòu)造組合特征如凝集統(tǒng)計、特征對等可能導(dǎo)致同類行為的描述符缺失語義意義和魯棒性。針對這一問題,考慮人體運(yùn)動具有層次化和結(jié)構(gòu)性,在分層框架下我們提出了分層特征組的行為模型。該方法利用運(yùn)動補(bǔ)償和人體部位屬性抑制運(yùn)動場景信息,采用自適應(yīng)尺度核的密度聚類算法產(chǎn)生人體部位特征。具體來說,運(yùn)動補(bǔ)償ROI后,依據(jù)人體運(yùn)動部位的空域局部共生和時域持續(xù)的屬性,選擇時域差分的殘差信息,之后采用自適應(yīng)尺度核Mean-Shift密度聚類算法標(biāo)定底層特征、學(xué)習(xí)人體部位的特征組。在人體部位表示的基礎(chǔ)上,累積視頻窄切片的視覺詞響應(yīng)描述人體對象。在基準(zhǔn)的KTH和UCF-sports行為數(shù)據(jù)庫上,實(shí)驗(yàn)表明基于特征組建立的行為模型增強(qiáng)了行為表示的判別能力,提高了識別性能。4)基于人體部位特征樹的行為模型基于傳統(tǒng)方法學(xué)習(xí)的時空內(nèi)容缺乏語義意義和時間關(guān)系。針對這一不足,我們提出了不同時間分辨率人體部位之間的樹結(jié)構(gòu)關(guān)系模型。該方法采用超像素標(biāo)定興趣點(diǎn),產(chǎn)生空域語義共生點(diǎn)集。在空域共生點(diǎn)集合的基礎(chǔ)上,以遞歸的方式構(gòu)建特征樹。為了產(chǎn)生特征樹的高層節(jié)點(diǎn),采用圖像塊匹配的方法融合時間近鄰的節(jié)點(diǎn)�；诔袼亟⒌墓采虮硎救梭w部位具有較好的靈活性。另外,通過圖像塊匹配關(guān)聯(lián)時間近鄰節(jié)點(diǎn)降低了點(diǎn)集合之間匹配的難度。在KTH、UCF-YT和HOHA行為數(shù)據(jù)庫,實(shí)驗(yàn)證明學(xué)習(xí)的特征樹模型能夠建立人體部位之間的關(guān)系,提高了行為描述符的判別能力,同時在多核學(xué)習(xí)框架下獲得了期望的識別結(jié)果。5)判別共生統(tǒng)計特征的概念特征對行為模型K-means量化局部特征容易產(chǎn)生較大的量化誤差,同時傳統(tǒng)的共生統(tǒng)計忽略了特征對的方向和相對距離信息。針對這些問題,在共生統(tǒng)計框架下我們提出了判別共生統(tǒng)計特征的概念特征對行為模型。為了學(xué)習(xí)概念特征,采用局部流形約束的稀疏子空間聚類算法量化STIPs。為了增強(qiáng)局部共生統(tǒng)計的判別性,特征對的方向和相對距離信息嵌入到概念特征對共生矩陣。另外,考慮到人體行為風(fēng)格的多樣性,多時間尺度時空體的內(nèi)容信息被用來描述行為。在特征融合階段,采用多核學(xué)習(xí)融合多時間粒度的共生統(tǒng)計和點(diǎn)特征的行為表示作為SVM分類器的最終輸入。在KTH和UCF-sport行為數(shù)據(jù)庫上,通過實(shí)驗(yàn)驗(yàn)證,與點(diǎn)特征行為模型相比,學(xué)習(xí)共生統(tǒng)計特征的概念特征對具有較好的判別能力,同時MKL組合特征在分類器SVM框架下獲得了較好的識別性能。
[Abstract]:......
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李寧;須德;傅曉英;袁玲;;結(jié)合人體運(yùn)動特征的行為識別[J];北京交通大學(xué)學(xué)報;2009年02期

2 張偉東;陳峰;徐文立;杜友田;;基于階層多觀測模型的多人行為識別[J];清華大學(xué)學(xué)報(自然科學(xué)版);2009年07期

3 吳聯(lián)世;夏利民;羅大庸;;人的交互行為識別與理解研究綜述[J];計算機(jī)應(yīng)用與軟件;2011年11期

4 申曉霞;張樺;高贊;薛彥兵;徐光平;;一種魯棒的基于深度數(shù)據(jù)的行為識別算法[J];光電子.激光;2013年08期

5 鄭胤;陳權(quán)崎;章毓晉;;深度學(xué)習(xí)及其在目標(biāo)和行為識別中的新進(jìn)展[J];中國圖象圖形學(xué)報;2014年02期

6 曾青松;余明輝;賀衛(wèi)國;李玲;;一種行為識別的新方法[J];昆明理工大學(xué)學(xué)報(理工版);2009年06期

7 谷軍霞;丁曉青;王生進(jìn);;基于人體行為3D模型的2D行為識別[J];自動化學(xué)報;2010年01期

8 李英杰;尹怡欣;鄧飛;;一種有效的行為識別視頻特征[J];計算機(jī)應(yīng)用;2011年02期

9 王新旭;;基于視覺的人體行為識別研究[J];中國新通信;2012年21期

10 王忠民;曹棟;;坐標(biāo)轉(zhuǎn)換在移動用戶行為識別中的應(yīng)用[J];北京郵電大學(xué)學(xué)報;2014年S1期

相關(guān)會議論文 前7條

1 苗強(qiáng);周興社;於志文;倪紅波;;一種非覺察式的睡眠行為識別技術(shù)研究[A];第18屆全國多媒體學(xué)術(shù)會議（NCMT2009）、第5屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2009）、第5屆全國普適計算學(xué)術(shù)會議（PCC2009）論文集[C];2009年

2 齊娟;陳益強(qiáng);劉軍發(fā);;基于多模信息感知與融合的行為識別[A];第18屆全國多媒體學(xué)術(shù)會議（NCMT2009）、第5屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2009）、第5屆全國普適計算學(xué)術(shù)會議（PCC2009）論文集[C];2009年

3 方帥;曹洋;王浩;;視頻監(jiān)控中的行為識別[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

4 黃紫藤;吳玲達(dá);;監(jiān)控視頻中簡單人物行為識別研究[A];第18屆全國多媒體學(xué)術(shù)會議（NCMT2009）、第5屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2009）、第5屆全國普適計算學(xué)術(shù)會議（PCC2009）論文集[C];2009年

5 安國成;羅志強(qiáng);李洪研;;改進(jìn)運(yùn)動歷史圖的異常行為識別算法[A];第八屆中國智能交通年會優(yōu)秀論文集——智能交通與安全[C];2013年

6 王忠民;曹棟;;坐標(biāo)轉(zhuǎn)換在移動用戶行為識別中的應(yīng)用研究[A];2013年全國通信軟件學(xué)術(shù)會議論文集[C];2013年

7 劉威;李石堅(jiān);潘綱;;uRecorder:基于位置的社會行為自動日志[A];第18屆全國多媒體學(xué)術(shù)會議（NCMT2009）、第5屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2009）、第5屆全國普適計算學(xué)術(shù)會議（PCC2009）論文集[C];2009年

相關(guān)重要報紙文章 前4條

1 李晨光;導(dǎo)入CIS要注意什么？[N];河北經(jīng)濟(jì)日報;2001年

2 農(nóng)發(fā)行鹿邑支行黨支部書記 行長 劉永貞;發(fā)行形象與文化落地農(nóng)[N];周口日報;2007年

3 東林;行為識別新技術(shù)讓監(jiān)控沒有“死角”[N];人民公安報;2007年

4 田凱　徐蕊 李政育 信木祥;博物館安全的國際經(jīng)驗(yàn)[N];中國文物報;2014年

相關(guān)博士學(xué)位論文 前10條

1 邵延華;基于計算機(jī)視覺的人體行為識別研究[D];重慶大學(xué);2015年

2 仝鈺;基于條件隨機(jī)場的智能家居行為識別研究[D];大連海事大學(xué);2015年

3 馮銀付;多模態(tài)人體行為識別技術(shù)研究[D];浙江大學(xué);2015年

4 姜新波;基于三維骨架序列的人體行為識別研究[D];山東大學(xué);2015年

5 韓姍姍;基于視覺的運(yùn)動人體特征描述與行為識別研究[D];浙江工業(yè)大學(xué);2015年

6 裴利沈;視頻中人體行為識別若干問題研究[D];電子科技大學(xué);2016年

7 周同馳;行為識別中基于局部時空關(guān)系的特征模型研究[D];東南大學(xué);2016年

8 何衛(wèi)華;人體行為識別關(guān)鍵技術(shù)研究[D];重慶大學(xué);2012年

9 吳秋霞;復(fù)雜場景下的人體行為識別[D];華南理工大學(xué);2012年

10 于成龍;基于視頻的人體行為識別關(guān)鍵技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 唐小琴;基于全局和局部運(yùn)動模式的人體行為識別研究[D];西南大學(xué);2015年

2 胡秋揚(yáng);可穿戴式個人室內(nèi)位置和行為監(jiān)測系統(tǒng)[D];浙江大學(xué);2015年

3 陳鈺昕;基于時空特性的人體行為識別研究[D];燕山大學(xué);2015年

4 任亮;智能車環(huán)境下車輛典型行為識別方法研究[D];長安大學(xué);2015年

5 金澤豪;并行化的人體行為識別方法研究與實(shí)現(xiàn)[D];華南理工大學(xué);2015年

6 王呈;穿戴式多傳感器人體日常活動監(jiān)測系統(tǒng)設(shè)計與實(shí)現(xiàn)[D];南京理工大學(xué);2015年

7 王露;基于稀疏時空特征的人體行為識別研究[D];蘇州大學(xué);2015年

8 于靜;基于物品信息和人體深度信息的行為識別研究[D];山東大學(xué);2015年

9 章瑜;人體運(yùn)動行為識別相關(guān)方法研究[D];南京師范大學(xué);2015年

10 趙揚(yáng);家庭智能空間下基于行走軌跡的人體行為理解[D];山東大學(xué);2015年

，

本文編號：2387165