視頻序列中的行為識(shí)別由于應(yīng)用廣泛,是當(dāng)前計(jì)算機(jī)視覺(jué)研究領(lǐng)域的一個(gè)熱點(diǎn)。行為識(shí)別研究在受控場(chǎng)景下已經(jīng)取得很大進(jìn)展,但在復(fù)雜場(chǎng)景下,還存在著諸多挑戰(zhàn),如何在嘈雜的真實(shí)場(chǎng)景下,尋求有效的行為特征表示,以及高效的、魯棒的、能滿(mǎn)足實(shí)時(shí)處理要求的機(jī)器識(shí)別算法,將是較長(zhǎng)時(shí)期內(nèi)所追求的目標(biāo)。為了提升行為識(shí)別的性能,我們做了以下幾個(gè)方面的工作:1)概率隱含語(yǔ)義分析模型的行為識(shí)別研究概率隱含語(yǔ)義分析模型通過(guò)挖掘隱含于眾多特征點(diǎn)間的共現(xiàn)模式,提取中間層的語(yǔ)義描述來(lái)表示視頻中的行為,增強(qiáng)了特征的判別性。為了進(jìn)一步提升模型的識(shí)別性能,著重研究了不同編碼方法聯(lián)合歸一化方法對(duì)于分類(lèi)性能的影響,采用稀疏時(shí)空特征時(shí)局域軟分配編碼結(jié)合指數(shù)歸一化方法大幅提升了識(shí)別性能;還考察了主成分分析預(yù)處理原始特征對(duì)于性能的影響,在顯著降低特征維度進(jìn)而降低計(jì)算量的同時(shí),當(dāng)特征包含較多噪聲成分的情況下性能甚至?xí)兴嵘�。在KTH和UT-interaction數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)表明,編碼和歸一化方法的適當(dāng)組合可以顯著提高模型的性能。在UT-interaction數(shù)據(jù)庫(kù)的兩個(gè)子集上識(shí)別精度分別達(dá)到了當(dāng)前最好的結(jié)果96.44%、95%,其中在數(shù)據(jù)集...

【文章頁(yè)數(shù)】：120 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖1-1視頻中行

lRecognitionChallenge)，成為檢驗(yàn)各類(lèi)識(shí)別算法的基準(zhǔn)。相對(duì)于靜態(tài)圖像的識(shí)別，在視頻序列中的行為分析顯然復(fù)雜很多。首先，視頻處理的數(shù)據(jù)量很大，對(duì)于計(jì)算資源的要求相對(duì)較高，也對(duì)算法的優(yōu)化提出了更高的要求；其次，對(duì)于視頻的標(biāo)注，比之圖片而言有著更多的歧義性，準(zhǔn)確的標(biāo)....

圖1-1視頻中行

lRecognitionChallenge)，成為檢驗(yàn)各類(lèi)識(shí)別算法的基準(zhǔn)。相對(duì)于靜態(tài)圖像的識(shí)別，在視頻序列中的行為分析顯然復(fù)雜很多。首先，視頻處理的數(shù)據(jù)量很大，對(duì)于計(jì)算資源的要求相對(duì)較高，也對(duì)算法的優(yōu)化提出了更高的要求；其次，對(duì)于視頻的標(biāo)注，比之圖片而言有著更多的歧義性，準(zhǔn)確的標(biāo)....

圖1-3行走的運(yùn)動(dòng)狀態(tài)圖[12]

東南大學(xué)博士學(xué)位論文6義含義，可視為更高層的語(yǔ)義特征，可用以建模長(zhǎng)時(shí)間的復(fù)雜行為。目前來(lái)看，沒(méi)有一個(gè)適用廣泛的特征能夠在所有的識(shí)別任務(wù)中均表現(xiàn)出色，一般來(lái)言特征表示的選擇與具體的識(shí)別任務(wù)是相關(guān)的，如何找到合適的特征來(lái)表示要識(shí)別的行為，是行為識(shí)別的關(guān)鍵步驟。1.2.1.1.1底層特....

圖1-4：MEI/MHI模板[13]示例，第一行為視頻樣本，中間為MEI模板，第三行為MHI模板

第一章緒論7目前廣泛采用的特征可以分為兩類(lèi)：全局特征和局部特征。所謂全局特征，就是抽取人體行為的整體表示，即將人體作為一個(gè)整體的區(qū)域來(lái)描述，這就需要通過(guò)跟蹤或者前景、背景分離等方法從視頻中把人體分離出來(lái)。Bobick等[13]從視頻序列中提取出剪影序列并將幀間的差異集合起來(lái)用運(yùn)動(dòng)....

本文編號(hào)：3892883