本文關(guān)鍵詞：視頻序列中人體行為的低秩表達(dá)與識別方法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：人體行為識別是計算機視覺領(lǐng)域內(nèi)一個非�；钴S的研究方向,具有十分重要的理論研究價值和廣泛的應(yīng)用場景,比如智能視頻監(jiān)控、視頻檢索、智能監(jiān)護(hù)和人機交互等。近年來,人們已提出了大量方法,從不同角度解釋和處理人體行為識別問題。盡管這些方法已取得了一定成果,然而由于人體行為本身以及所處環(huán)境的復(fù)雜性,行為識別技術(shù)中還存在很多問題值得深入研究。人體行為識別通常被看作是一個模式分類問題,主要包括行為特征提取與表達(dá)和行為分類兩大部分。論文以包含人體行為的視頻序列為研究對象,分析了現(xiàn)有行為識別方法的特點和不足,并針對這些不足,對行為特征提取與表達(dá)及相關(guān)行為識別方法進(jìn)行了深入研究,提出了一些新的解決思路和方法。論文首先提出了人體行為低秩特征,隨后提出了累加邊緣分布直方圖的特征表達(dá)方法;然后針對如何增強行為低秩特征抗背景干擾的能力及捕獲時間信息的能力提出了兩種改進(jìn)方法,并對相應(yīng)的行為識別方法進(jìn)行了深入研究,提出了新的判別部件學(xué)習(xí)模型和字典學(xué)習(xí)模型。最后在三個具有代表性的行為數(shù)據(jù)庫上驗證了論文提出方法的有效性。論文的主要貢獻(xiàn)和創(chuàng)新點歸納如下:①提出了運用行為低秩特征提取視頻序列中行為信息的方法,并確定了可行規(guī)則化參數(shù)及其計算公式。傳統(tǒng)行為特征提取通常需要人體目標(biāo)的檢測、分割、跟蹤或興趣點檢測等預(yù)處理步驟,而這些處理步驟本身還存在不少困難未被解決,其產(chǎn)生的處理誤差也會傳遞到后續(xù)的行為分類當(dāng)中。相比傳統(tǒng)行為特征,行為低秩特征的提取方式更加簡潔,有效地避免了上述預(yù)處理步驟。然而在行為低秩特征的提取過程中,傳統(tǒng)規(guī)則化參數(shù)難以有效提取出視頻序列中的行為信息;為此進(jìn)行了大量實驗研究,并最終確定了可行的規(guī)則化參數(shù)及其計算公式。實驗表明本文確定的規(guī)則化參數(shù)的特征提取效果遠(yuǎn)好于傳統(tǒng)規(guī)則化參數(shù)。②提出了累加邊緣分布直方圖的行為低秩特征表達(dá)方法。由于行為低秩特征自身的特性,傳統(tǒng)的特征表達(dá)方法難以有效描述出其中的行為信息。研究發(fā)現(xiàn)行為低秩特征中的邊緣信息可以很好地克服行為執(zhí)行者服裝灰度信息帶來的影響;同時視頻序列中的人體運動也會產(chǎn)生相應(yīng)的邊緣信息。因此首先提取行為低秩特征的邊緣信息,然后對邊緣信息的分布進(jìn)行統(tǒng)計,并最終形成累加邊緣分布直方圖的行為低秩特征表達(dá)。在三個基準(zhǔn)數(shù)據(jù)庫上的實驗表明,累加邊緣分布直方圖比其他傳統(tǒng)特征表達(dá)方法更適合用于表達(dá)行為低秩特征。③提出了一種基于行為低秩特征中判別部件學(xué)習(xí)的行為識別方法。判別部件學(xué)習(xí)與行為低秩特征具有很強的互補性。從行為低秩特征中學(xué)習(xí)判別部件,能有效增強行為低秩特征的抗背景干擾能力,同時又能極大程度地克服傳統(tǒng)部件學(xué)習(xí)中的“背景記憶”問題。然而傳統(tǒng)的部件學(xué)習(xí)方法通常是對所有行為類學(xué)習(xí)相同數(shù)量的判別部件,忽略了各行為類之間識別難易程度的差異。為此提出了一種靈活數(shù)量判別部件學(xué)習(xí)模型,該模型可以針對不同行為類學(xué)習(xí)靈活數(shù)量的判別部件。在該模型中定義了新的相似性約束,更加有利于判別部件檢測器的產(chǎn)生;同時運用組稀疏規(guī)則化方法自動保留每個行為類別中判別力強的部件檢測器。實驗結(jié)果表明了提出的判別部件學(xué)習(xí)模型的有效性,以及相應(yīng)的行為識別方法具有更優(yōu)的識別性能。④提出了一種基于時序行為低秩特征和字典學(xué)習(xí)的行為識別方法。為捕獲視頻序列中的時間信息,研究了時序行為低秩特征。首先將整個視頻序列按一定重疊率劃分為多個行為子序列,然后分別提取行為低秩特征,最終按時間順序?qū)⑵浯?lián)形成時序行為低秩特征。研究發(fā)現(xiàn)時序行為低秩特征更適合通過字典學(xué)習(xí)來進(jìn)行分類。然而傳統(tǒng)的字典學(xué)習(xí)模型未考慮各樣本編碼系數(shù)的相似性約束問題,同時難以很好處理非線性可分?jǐn)?shù)據(jù)。為此,提出了一種相似性約束的判別核字典學(xué)習(xí)模型。該字典學(xué)習(xí)模型中加入了相似性約束以約束各行為樣本的編碼系數(shù),進(jìn)而訓(xùn)練出性能更好的分類器;同時引入了核映射方法,以增強模型處理非線性可分?jǐn)?shù)據(jù)的能力。實驗結(jié)果表明了提出的字典學(xué)習(xí)模型及相應(yīng)的行為識別方法的有效性。
【關(guān)鍵詞】：行為識別 行為低秩特征 判別部件學(xué)習(xí) 時序低秩特征 字典學(xué)習(xí)
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 中文摘要3-5
• 英文摘要5-10
• 1 緒論10-34
• 1.1 論文的研究背景和意義10-13
• 1.2 人體行為識別的定義及描述13-14
• 1.3 研究現(xiàn)狀概述14-24
• 1.3.1 行為特征提取與表達(dá)14-22
• 1.3.2 行為分類方法22-24
• 1.4 研究熱點及發(fā)展趨勢24-26
• 1.5 人體行為數(shù)據(jù)庫26-29
• 1.6 論文研究內(nèi)容與結(jié)構(gòu)安排29-34
• 2 視頻序列中的行為低秩特征提取34-50
• 2.1 引言34-36
• 2.2 魯棒主成分分析36-38
• 2.3 行為視頻序列的低秩分解38-40
• 2.4 人體行為低秩特征提取40-48
• 2.4.1 可行的規(guī)則化參數(shù)分析40-45
• 2.4.2 行為低秩特征提取實驗45-48
• 2.5 本章小結(jié)48-50
• 3 行為低秩特征的累加邊緣分布直方圖表達(dá)50-64
• 3.1 引言50-51
• 3.2 累加邊緣分布直方圖51-54
• 3.3 實驗與分析54-62
• 3.3.1 實驗設(shè)計54-56
• 3.3.2 實驗結(jié)果56-59
• 3.3.3 對比實驗分析59-62
• 3.4 本章小結(jié)62-64
• 4 基于行為低秩特征中判別部件學(xué)習(xí)的行為識別64-82
• 4.1 引言64-66
• 4.2 基于行為低秩特征中判別部件學(xué)習(xí)的行為識別66-73
• 4.2.1 行為低秩特征的稠密采樣67-68
• 4.2.2 行為低秩特征中的判別部件學(xué)習(xí)68-69
• 4.2.3 模型求解方法69-72
• 4.2.4 行為分類準(zhǔn)則72-73
• 4.3 實實驗與分析73-81
• 4.3.1 實驗設(shè)計73-74
• 4.3.2 實驗結(jié)果74-78
• 4.3.3 對比實驗分析78-81
• 4.4 本章小結(jié)81-82
• 5 基于時序行為低秩特征和字典學(xué)習(xí)的行為識別82-96
• 5.1 引言82-83
• 5.2 基于時序行為低秩特征和字典學(xué)習(xí)的行為識別83-88
• 5.2.1 時序行為低秩特征84
• 5.2.2 相似性約束的判別核字典學(xué)習(xí)84-86
• 5.2.3 模型求解方法86-88
• 5.2.4 行為分類準(zhǔn)則88
• 5.3 實驗與分析88-94
• 5.3.1 實驗設(shè)計88
• 5.3.2 實驗結(jié)果88-90
• 5.3.3 對比實驗分析90-94
• 5.4 本章小結(jié)94-96
• 6 總結(jié)與展望96-100
• 6.1 論文總結(jié)96-97
• 6.2 工作展望97-100
• 致謝100-102
• 參考文獻(xiàn)102-116
• 附錄116
• A. 作者在攻讀博士學(xué)位期間發(fā)表論文情況116
• B. 作者在攻讀博士學(xué)位期間主持或參與的科研項目116

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 施水才;俞鴻魁;呂學(xué)強;李渝勤;;基于大規(guī)模語料的新詞語識別方法[J];山東大學(xué)學(xué)報(理學(xué)版);2006年03期

2 蘇家洪;;試述人臉識別新技術(shù)及編輯識別方法[J];中國新技術(shù)新產(chǎn)品;2012年07期

3 高春庚;孫建國;;基于統(tǒng)計的人臉識別方法綜述[J];安陽工學(xué)院學(xué)報;2012年04期

4 馬彬;洪宇;楊雪蓉;姚建民;朱巧明;;基于語義依存線索的事件關(guān)系識別方法研究[J];北京大學(xué)學(xué)報(自然科學(xué)版);2013年01期

5 馬彬;洪宇;楊雪蓉;姚建民;朱巧明;;基于推理線索構(gòu)建的事件關(guān)系識別方法[J];北京大學(xué)學(xué)報(自然科學(xué)版);2014年01期

6 呂冬梅,劉燕萍,李云凱;一個新的機械圖紙識別方法[J];信息技術(shù);2001年03期

7 劉志鵬,魏君;基于神經(jīng)網(wǎng)絡(luò)的集裝箱編號識別方法的研究[J];中國包裝工業(yè);2002年09期

8 賀敏;龔才春;張華平;程學(xué)旗;;一種基于大規(guī)模語料的新詞識別方法[J];計算機工程與應(yīng)用;2007年21期

9 董世都;黃同愿;王華秋;王森;楊小帆;;半邊人臉識別方法[J];計算機工程;2008年07期

10 方曉春;;一種優(yōu)化的角色識別方法[J];計算機應(yīng)用與軟件;2009年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 鄭凱;;建立多維數(shù)據(jù)異常點識別方法的嘗試[A];第八屆全國體育科學(xué)大會論文摘要匯編（一）[C];2007年

2 張朋柱;韓崇昭;萬百五;;智能決策支持系統(tǒng)中的問題識別方法與實現(xiàn)[A];全國青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第2卷）[C];1993年

3 劉麗蘭;劉宏昭;;時間序列模型的識別方法[A];制造技術(shù)自動化學(xué)術(shù)會議論文集[C];2004年

4 苗振偉;許勇;楊軍;;超聲波人臉識別方法研究[A];中國聲學(xué)學(xué)會2007年青年學(xué)術(shù)會議論文集（上）[C];2007年

5 羅智勇;宋柔;荀恩東;;一種基于可信度的人名識別方法[A];第二屆全國學(xué)生計算語言學(xué)研討會論文集[C];2004年

6 張茜;鄭崢;亢一瀾;王娟;仇巍;;基于海量實測數(shù)據(jù)的反演識別方法與盾構(gòu)裝備載荷的力學(xué)建模[A];中國力學(xué)大會——2013論文摘要集[C];2013年

7 趙銳;陳光發(fā);;軍事口令識別的Fuzzy方法探討[A];第二屆全國人機語音通訊學(xué)術(shù)會議論文集[C];1992年

8 駱玉榮;劉建麗;史曉濤;;一種自動車窗識別方法的設(shè)計與實現(xiàn)[A];計算機技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

9 崔凱華;王國慶;方劍青;李紅軍;賈俊波;馬超;趙燁;張東輝;;基于聲模態(tài)分析的材料識別方法研究[A];現(xiàn)代振動與噪聲技術(shù)（第九卷）[C];2011年

10 李洪東;梁逸曾;張志敏;;酵母蛋白組中原生肽識別方法的探索研究[A];中國化學(xué)會第26屆學(xué)術(shù)年會化學(xué)信息學(xué)與化學(xué)計量學(xué)分會場論文集[C];2008年

中國重要報紙全文數(shù)據(jù)庫 前9條

1 陳春道;甲魚優(yōu)劣及雌雄的識別方法[N];北京科技報;2003年

2 龐席堂;假幣的識別方法[N];中華合作時報;2003年

3 王修增;手機被盜號的6種識別方法[N];中國保險報;2003年

4 張侃;正品手機電池識別方法[N];通信產(chǎn)業(yè)報;2000年

5 潘 治;德國開發(fā)出癌癥早期識別方法[N];中國中醫(yī)藥報;2003年

6 新華社記者 段世文;產(chǎn)權(quán)證識別方法[N];新華每日電訊;2001年

7 金亮;機器人的情感[N];中國醫(yī)藥報;2001年

8 黃璐;識別假火車票有絕招[N];山西經(jīng)濟(jì)日報;2004年

9 宗紹純;如何識別是純奶還是奶飲料？[N];國際商報;2003年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 趙國騰;跨座式單軌交通軌道梁表面裂紋識別方法研究[D];重慶大學(xué);2015年

2 徐訓(xùn);線性與非線性結(jié)構(gòu)動力荷載識別方法及實驗研究[D];哈爾濱工業(yè)大學(xué);2015年

3 付文亮;基于FPGA的高性能應(yīng)用層協(xié)議識別方法研究[D];北京理工大學(xué);2015年

4 陳飛飛;基于特征表示的行為識別方法研究[D];華中科技大學(xué);2015年

5 黃仕建;視頻序列中人體行為的低秩表達(dá)與識別方法研究[D];重慶大學(xué);2015年

6 張莉莉;競優(yōu)特征的群識別方法及其應(yīng)用[D];東北大學(xué);2010年

7 陳綿書;計算機人臉識別方法研究[D];吉林大學(xué);2004年

8 葉俊勇;人臉檢測與識別方法研究[D];重慶大學(xué);2002年

9 何光輝;四種人臉識別方法研究[D];重慶大學(xué);2010年

10 佟麗娜;基于力學(xué)量信息獲取系統(tǒng)的人體摔倒過程識別方法研究[D];中國科學(xué)技術(shù)大學(xué);2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 徐珂瓊;基于視頻的人臉識別方法研究[D];天津理工大學(xué);2015年

2 彭姣麗;針對多表情的人臉識別方法研究[D];昆明理工大學(xué);2015年

3 代秀麗;基于半監(jiān)督判別分析的人臉識別方法研究[D];深圳大學(xué);2015年

4 易磊;基于兩階段的交通標(biāo)志識別方法研究[D];南京理工大學(xué);2015年

5 李彥;基于小波變換的人臉識別方法研究[D];電子科技大學(xué);2014年

6 田曉霞;運動想象EEG的識別方法及在上肢康復(fù)中的應(yīng)用[D];北京工業(yè)大學(xué);2015年

7 楊俊濤;基于分?jǐn)?shù)譜時頻特征的SAR目標(biāo)檢測與識別方法研究[D];電子科技大學(xué);2014年

8 宋洪偉;基于模糊集合的漢語主觀句識別方法研究與實現(xiàn)[D];黑龍江大學(xué);2015年

9 賈博軒;基于手機傳感器的人類復(fù)雜行為識別方法的研究[D];黑龍江大學(xué);2015年

10 范玲;Link-11數(shù)據(jù)鏈信號的識別方法研究[D];西安電子科技大學(xué);2014年

  本文關(guān)鍵詞：視頻序列中人體行為的低秩表達(dá)與識別方法研究，由筆耕文化傳播整理發(fā)布。

本文編號：295673