本文關(guān)鍵詞：模擬視皮層雙通路理論的動(dòng)作識(shí)別，由筆耕文化傳播整理發(fā)布。

【摘要】：人體動(dòng)作識(shí)別在智能監(jiān)控、高級(jí)人機(jī)交互等方面的廣泛應(yīng)用，使得模擬視覺系統(tǒng)的動(dòng)作識(shí)別成為當(dāng)前計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)。視覺系統(tǒng)是如何處理感知的人體動(dòng)作視覺信息，以及如何模擬人類視覺系統(tǒng)實(shí)現(xiàn)準(zhǔn)確而快速的動(dòng)作分類與識(shí)別，是研究者共同關(guān)注的課題。隨著腦神經(jīng)科學(xué)研究的不斷深入，人類對視覺系統(tǒng)的了解越來越清晰，深入認(rèn)識(shí)人類視覺信息處理過程，模擬人腦視覺機(jī)制系統(tǒng)建立更加準(zhǔn)確有效的識(shí)別模型具有極其重要的意義。本文在總結(jié)分析了已有的仿生動(dòng)作識(shí)別系統(tǒng)的基礎(chǔ)上，對生物視覺系統(tǒng)信息處理的層次結(jié)構(gòu)模型進(jìn)一步展開研究，初步取得了以下幾個(gè)方面的研究結(jié)果： 首先，提出了一種整合形狀特征和運(yùn)動(dòng)特征進(jìn)行人類動(dòng)作識(shí)別的方法。根據(jù)人類視覺系統(tǒng)的基本生理特性，提出了模擬視皮層雙通路理論的動(dòng)作識(shí)別計(jì)算模型。該模型在原HMAX模型的基礎(chǔ)之上加入了對視覺系統(tǒng)腹側(cè)通路的模擬，從單純的模擬背側(cè)通路擴(kuò)展為同時(shí)模擬腹側(cè)通路和背側(cè)通路兩條通路，分別提取形狀特征和運(yùn)動(dòng)特征。即形狀通路，從每幀提取密集的局部形狀信息，而動(dòng)作通路則從每幀提取富含運(yùn)動(dòng)信息的運(yùn)動(dòng)特征向量。最后，被整合后的特征向量將被送入支持向量機(jī)（SVM）進(jìn)行識(shí)別分類，從而實(shí)現(xiàn)對人類動(dòng)作的識(shí)別分類。 其次，根據(jù)人類視覺注意機(jī)制，提出了一種有效快速獲取特征模板的方法。由于特征小塊的選取與之后的模板學(xué)習(xí)及特征提取息息相關(guān)，嚴(yán)重影響到系統(tǒng)能否準(zhǔn)確地進(jìn)行動(dòng)作識(shí)別。本文通過限定特性小塊的選取區(qū)域，有效的提高特征小塊的質(zhì)量。該方法在基于時(shí)空顯著性的視覺注意模型獲取的感興趣區(qū)域基礎(chǔ)上，通過分析視頻序列的中間級(jí)特征，即復(fù)雜細(xì)胞的響應(yīng)，建立復(fù)雜細(xì)胞響應(yīng)的能量值與運(yùn)動(dòng)目標(biāo)對應(yīng)的關(guān)系，從而獲取候選特征小塊的位置。此外，根據(jù)識(shí)別要求選取相應(yīng)的特征小塊，該方法能直接獲得性能較好的特征小塊。同時(shí)，在計(jì)算最終的特征向量時(shí)，通過視覺注意機(jī)制獲得顯著性區(qū)域，，可提高整個(gè)系統(tǒng)的識(shí)別效率。 最后，提出了用較少的幀數(shù)進(jìn)行動(dòng)作識(shí)別的方法。對于視頻的動(dòng)作識(shí)別而言，先前的識(shí)別研究大都是基于視頻的全部幀或者視頻的較多幀，加入形狀信息之后，用較少的幀數(shù)進(jìn)行特征提取就可以獲得較好的識(shí)別效率，并縮短動(dòng)作識(shí)別所需要的時(shí)間。 將本文所提出的識(shí)別方法在KTH標(biāo)準(zhǔn)數(shù)據(jù)庫上進(jìn)行測試實(shí)驗(yàn)。結(jié)果證明，該方法有效的提高了動(dòng)作的識(shí)別效率。
【關(guān)鍵詞】：動(dòng)作識(shí)別 特征融合 特征提取 注意機(jī)制 支持向量機(jī)
【學(xué)位授予單位】：中南民族大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：R318
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-13
• 1.1 引言10
• 1.2 國內(nèi)外研究現(xiàn)狀10-11
• 1.3 本文的主要研究工作及結(jié)構(gòu)安排11-13
• 第二章 人類視覺系統(tǒng)13-19
• 2.1 人類視覺機(jī)制介紹13-15
• 2.1.1 人類視覺通路13-14
• 2.1.2 簡單細(xì)胞建模14-15
• 2.1.3 復(fù)雜細(xì)胞建模15
• 2.2 仿運(yùn)動(dòng)皮質(zhì)識(shí)別模型15-16
• 2.2.1 V1-MT15-16
• 2.2.2 V1-MT-MST16
• 2.2.3 MT16
• 2.3 前饋?zhàn)R別模型16-18
• 2.3.1 仿皮層機(jī)制的物體識(shí)別17
• 2.3.2 基于神經(jīng)元機(jī)制的動(dòng)作識(shí)別模型17-18
• 2.4 本章小結(jié)18-19
• 第三章 模擬視皮層雙通路理論的動(dòng)作識(shí)別19-29
• 3.1 模型框架19-20
• 3.2 運(yùn)動(dòng)特征的提取20-23
• 3.2.1 S1 單元20-21
• 3.2.2 C1 單元21-22
• 3.2.3 S2 單元22-23
• 3.2.4 C2 單元23
• 3.3 形狀特征的提取23-26
• 3.3.1 S1，C1 單元24-25
• 3.3.2 S2，C2 單元25
• 3.3.3 特征融合25-26
• 3.4 分類識(shí)別26-28
• 3.4.1 支持向量機(jī)26
• 3.4.2 測試劃分26-27
• 3.4.3 訓(xùn)練過程27
• 3.4.4 測試過程27-28
• 3.5 本章小結(jié)28-29
• 第四章 基于顯著的運(yùn)動(dòng)特征提取29-34
• 4.1 視覺注意模型29-30
• 4.1.1 人類視覺注意機(jī)制29-30
• 4.1.2 Itti 注意模型30
• 4.2 顯著區(qū)域的獲取30-32
• 4.3 改進(jìn)的特征模板選取32-33
• 4.3.1 運(yùn)動(dòng)特征模板32-33
• 4.3.2 形狀特征模板33
• 4.4 本章小結(jié)33-34
• 第五章 實(shí)驗(yàn)結(jié)果與分析34-39
• 5.1 實(shí)驗(yàn)所用數(shù)據(jù)庫34
• 5.2 視頻預(yù)處理34
• 5.3 實(shí)驗(yàn)數(shù)據(jù)庫的劃分34
• 5.4 實(shí)驗(yàn)結(jié)果34-37
• 5.4.1 實(shí)驗(yàn)相關(guān)參數(shù)的設(shè)置34-35
• 5.4.2 加權(quán)系數(shù)對識(shí)別性能的影響35
• 5.4.3 不同方法識(shí)別性能對比35-36
• 5.4.4 特征小塊數(shù)目對識(shí)別的影響36
• 5.4.5 小塊選取改進(jìn)前后的識(shí)別對比36-37
• 5.4.6 幀數(shù)對識(shí)別性能的影響37
• 5.5 本章小結(jié)37-39
• 第六章 總結(jié)與展望39-41
• 6.1 本文工作總結(jié)39-40
• 6.2 今后工作展望40-41
• 參考文獻(xiàn)41-44
• 致謝44-45
• 附錄：攻讀學(xué)位期間所發(fā)表的論文45

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前4條

1 何秋琳;張立春;;視覺學(xué)習(xí)研究進(jìn)展[J];開放教育研究;2011年04期

2 楊躍東;郝愛民;褚慶軍;趙沁平;王莉莉;;基于動(dòng)作圖的視角無關(guān)動(dòng)作識(shí)別[J];軟件學(xué)報(bào);2009年10期

3 張杰;魏維;;基于視覺注意力模型的顯著性提取[J];計(jì)算機(jī)技術(shù)與發(fā)展;2010年11期

4 王淑珍;朱思泉;;視覺信息加工的神經(jīng)機(jī)制[J];眼科研究;2008年09期

  本文關(guān)鍵詞：模擬視皮層雙通路理論的動(dòng)作識(shí)別，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：472550