隨著民航產(chǎn)業(yè)的發(fā)展,飛行出行已經(jīng)成為時(shí)下更多年輕人、中產(chǎn)階級(jí)的首選。但是快速增長(zhǎng)的旅客人群也為當(dāng)今的機(jī)場(chǎng)安全帶來了巨大的負(fù)擔(dān),停機(jī)坪作為機(jī)場(chǎng)中極其重要的一部分,建立全覆蓋全天候的智能視頻監(jiān)控系統(tǒng)的需求迫在眉睫。智能視頻監(jiān)控中的核心技術(shù)人體行為識(shí)別在近幾年發(fā)展迅速,但是研究的重點(diǎn)多是圍繞可見光數(shù)據(jù)展開,在紅外數(shù)據(jù)中少有建樹�；诩t外視頻數(shù)據(jù)的相應(yīng)技術(shù)因紅外圖像色彩紋理信息缺失、目標(biāo)邊緣模糊等問題依舊無法實(shí)現(xiàn)實(shí)時(shí)有效的人體行為識(shí)別。所以本文的研究針對(duì)紅外視頻中的人體行為識(shí)別而展開。傳統(tǒng)的行為識(shí)別技術(shù)存在的主要問題是特征描述子表征能力弱,在復(fù)雜多變的場(chǎng)景下魯棒性差,特征維度巨大,往往需要使用特殊的編碼方法降維,這無疑加大了計(jì)算成本。而近幾年興起的卷積神經(jīng)網(wǎng)絡(luò)方法,其特征學(xué)習(xí)能力強(qiáng),能夠通過數(shù)據(jù)分布自適應(yīng)地捕獲其中的信息,提取出抽象的語義特征,其端到端的模型結(jié)構(gòu)也大大減少了數(shù)據(jù)預(yù)處理和后續(xù)分類的計(jì)算成本。所以本文采用卷積神經(jīng)網(wǎng)絡(luò)的方法,對(duì)紅外視頻中的人體動(dòng)作信息進(jìn)行學(xué)習(xí)建模。本文的主要貢獻(xiàn)如下:首先,本文提出了兩種分別適合RGB數(shù)據(jù)和光流數(shù)據(jù)的三維卷積神經(jīng)網(wǎng)絡(luò)。兩支網(wǎng)絡(luò)根據(jù)相應(yīng)的數(shù)據(jù)類型做出結(jié)構(gòu)...

【文章頁數(shù)】：81 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

目標(biāo)跟蹤的研究已發(fā)展了幾十年，各類算法層出不窮。而動(dòng)作識(shí)別分類的研究，由于其對(duì)視頻數(shù)據(jù)的需求、硬件計(jì)算能力的要求，在一段時(shí)間都停滯不前。而在近幾年，隨著圖像芯片的迅速發(fā)展，全球范圍內(nèi)視頻數(shù)據(jù)的累積、大量科研人員投入關(guān)注，使得基于視頻序列的動(dòng)作識(shí)別的算法[8]又再次新興了起來。在過....

圖2.1RGBdifference[30]模擬光流前面說到光流是目前深度學(xué)習(xí)算法中使用最多效果最好的網(wǎng)絡(luò)輸入特征，但是對(duì)龐數(shù)據(jù)計(jì)算光流是很大的工作量，極度占用計(jì)算資源，因此為了大大減小計(jì)算成本，Pher等人[35]提出了通過生成式網(wǎng)絡(luò)來生成的類光流特征圖的模擬光流特征，....

可能在三維空間里就可以通過一個(gè)平面來劃分，而這個(gè)平面就是所謂的超平面。SVM的訓(xùn)練就是使得每類樣本都距離這個(gè)超平面越來越遠(yuǎn)，而且通過引入懲罰系數(shù)來對(duì)錯(cuò)誤分類的樣本進(jìn)行調(diào)節(jié)，從而提高整體的分類水平。但是由于SVM提高數(shù)據(jù)維度的操作，有時(shí)候也會(huì)伴隨著維度災(zāi)難的產(chǎn)生。不過總體而言，....

圖2.4卷積操作積神經(jīng)網(wǎng)絡(luò)對(duì)比于其他神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)也主要體現(xiàn)在對(duì)卷積層的三種改進(jìn)中，局部感知、權(quán)值共享和多卷積核。部感知。如圖2.5所示，傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)采用全連接的方式對(duì)輸入圖像的全局，這樣對(duì)于一個(gè)mm的輸入圖像而言，需要一個(gè)mm的濾波器進(jìn)行處理，所數(shù)個(gè)數(shù)為....

本文編號(hào)：4011045