【摘要】：人體行為識別是機器視覺和人工智能領域的研究熱點,在視頻監(jiān)控、基于內容的視頻檢索、人機交互、智能交通等領域有著廣泛的應用前景。由于人體運動的非剛性、背景的復雜性、人與人之間的相互遮擋以及相機運動等,人體行為識別成為一個極具挑戰(zhàn)性的課題。近年來,研究人員在相關領域取得了很大進展,特別是基于稠密軌跡的人體行為識別方法取得了較之前方法更好的識別效果。本文提出一種基于改進稠密軌跡的人體行為識別方法。首先,在多尺度空間采樣稠密光流場提取特征點,通過中值濾波跟蹤特征點形成軌跡。現(xiàn)實場景中,視頻大都存在相機運動,導致大量的軌跡存在于背景中,給人體行為的識別帶來干擾。本文通過顯著性檢測提取顯著性區(qū)域,并結合背景軌跡方向一致信息,抑制相機運動的影響。然后,以軌跡為中心建立時空管道,進一步將時空管道分割為時空網(wǎng)格,在時空網(wǎng)格中提取梯度方向直方圖、光流直方圖和運動邊界直方圖,聯(lián)合每類特征形成最終的描述符。為了降低計算復雜度,使用主成分分析法(PCA)對每類特征進行降維。最后,每一類特征用一個Fisher向量表示,并用線性SVM進行分類。通過對稠密軌跡算法進行改進,形成完整的行為識別方法。在公共數(shù)據(jù)集KTH和YouTube上的實驗結果表明,本文方法能夠有效地抑制相機運動帶來的影響,提高行為識別的準確率。
[Abstract]:Human behavior recognition is a hot topic in the field of machine vision and artificial intelligence. It has a wide application prospect in video surveillance, content-based video retrieval, human-computer interaction, intelligent transportation and so on. Due to the non-rigidity of human motion, complexity of background, mutual occlusion between people and camera motion, human behavior recognition has become a very challenging task. In recent years, researchers have made great progress in related fields, especially the human behavior recognition method based on dense trajectory has achieved better results than previous methods. In this paper, a human behavior recognition method based on improved dense trajectory is proposed. Firstly, feature points are extracted from dense optical flow field in multi-scale space, and feature points are tracked by median filter. In the real scene, most of the videos have camera motion, which leads to a large number of tracks in the background, causing interference to the recognition of human behavior. In this paper, the salience region is extracted by salience detection, and the influence of camera motion is suppressed by combining with the consistent information of background trajectory direction. Then, the space-time pipeline is built with the locus as the center, and the space-time pipeline is further divided into spatio-temporal grids. Gradient direction histogram, optical flow histogram and moving boundary histogram are extracted from the spatio-temporal grid to form the final descriptor by combining each class of features. In order to reduce computational complexity, principal component analysis (PCA) is used to reduce the dimension of each feature. Finally, each class of features is represented by a Fisher vector and classified by linear SVM. By improving the dense trajectory algorithm, a complete behavior recognition method is formed. Experimental results on common data sets KTH and YouTube show that the proposed method can effectively suppress the effect of camera motion and improve the accuracy of behavior recognition.
【學位授予單位】：天津工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

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

2 蘇家洪;;試述人臉識別新技術及編輯識別方法[J];中國新技術新產品;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];安陽工學院學報;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系識別方法研究[J];北京大學學報(自然科學版);2013年01期

5 馬彬;洪宇;楊雪蓉;姚建民;朱巧明;;基于推理線索構建的事件關系識別方法[J];北京大學學報(自然科學版);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;2001年03期

7 劉志鵬,魏君;基于神經(jīng)網(wǎng)絡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];計算機應用與軟件;2009年04期

相關會議論文 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];全國青年管理科學與系統(tǒng)科學論文集（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];制造技術自動化學術會議論文集[C];2004年

4 苗振偉;許勇;楊軍;;超聲波人臉識別方法研究[A];中國聲學學會2007年青年學術會議論文集（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];第二屆全國學生計算語言學研討會論文集[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裝備載荷的力學建模[A];中國力學大會——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術會議論文集[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計與實現(xiàn)[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[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（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];中國化學會第26屆學術年會化學信息學與化學計量學分會場論文集[C];2008年

相關重要報紙文章 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;產權證識別方法[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

相關博士學位論文 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;2015年

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

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

4 張航;基于高光譜成像技術的皮棉中地膜識別方法研究[D];中國農業(yè)大學;2016年

5 吳翔;基于機器視覺的害蟲識別方法研究[D];浙江大學;2016年

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

7 陳綿書;計算機人臉識別方法研究[D];吉林大學;2004年

8 葉俊勇;人臉檢測與識別方法研究[D];重慶大學;2002年

9 何光輝;四種人臉識別方法研究[D];重慶大學;2010年

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

相關碩士學位論文 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;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;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;2015年

4 易磊;基于兩階段的交通標志識別方法研究[D];南京理工大學;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;2014年

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

7 楊俊濤;基于分數(shù)譜時頻特征的SAR目標檢測與識別方法研究[D];電子科技大學;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;2015年

9 賈博軒;基于手機傳感器的人類復雜行為識別方法的研究[D];黑龍江大學;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;2014年

，

本文編號：2217352