【摘要】：在線視頻動作分析是計算機視覺中的一個重要研究課題,在視覺監(jiān)控、人機交互和機器人智能導(dǎo)航等領(lǐng)域有著廣泛的應(yīng)用。與離線視頻動作分析在動作被完全捕獲后再進行識別不同,在線動作分析的目的是在動態(tài)中盡可能早的檢測動作發(fā)生的狀態(tài),對即將發(fā)生或正在發(fā)生的事件做出準(zhǔn)確、快速的響應(yīng),以提供更好的實用價值。本文針對在線人體動作識別分析進行探索研究,主要研究內(nèi)容包括視頻動作識別、時序動作檢測和重復(fù)動作計數(shù)三個方面。針對視頻動作識別任務(wù),本文分別基于BN-Inception(Inception with Batch Normalization)網(wǎng)絡(luò)建模表示動作外觀特性的空間特征和基于C3D(3-Dimensoinal Convolutional)網(wǎng)絡(luò)建模包含動作上下文信息時空特征,提取魯棒性的動作特征表示;然后對多分類識別,分別使用基于一對多的LSVM分類器和基于softmax loss搭建的分類網(wǎng)絡(luò)訓(xùn)練分類模型,完成在線人體動作的識別任務(wù),并驗證其有效性。針對時序動作檢測任務(wù),為了準(zhǔn)確的識別視頻中動作類別及發(fā)生的起始和結(jié)束時間,本文提出了基于動作時間語義連續(xù)性規(guī)則優(yōu)化候選時間片段的方法。首先按照動作時間語義連續(xù)性規(guī)則對同一尺度和不同尺度的滑動窗口進行整合;然后,對整合結(jié)果重新獲取分類置信分?jǐn)?shù),通過非極大值抑制(NMS)消除不準(zhǔn)確檢測。該方法突破了滑動窗口固定的限制,可以產(chǎn)生任意長度的動作時間片段,并抑制了冗余檢測,使得檢測結(jié)果更符合預(yù)期。針對重復(fù)動作計數(shù)任務(wù),與以往傳統(tǒng)方法只能處理靜態(tài)和平穩(wěn)周期運動不同,本文首次采用深度ConvNets提取的空間和時空特征獲取重復(fù)動作的運動規(guī)律:首先對高維人體動作特征進行PCA算法降維,獲取表現(xiàn)動作時序運動特性的主成分;然后基于傅里葉變換,通過分段閾值濾波去除噪聲、平滑運動軌跡,完成無約束視頻的無監(jiān)督重復(fù)動作計數(shù)任務(wù)。實驗結(jié)果表明,該方法對真實場景的動態(tài)和非平穩(wěn)視頻中的重復(fù)動作分析同樣有效,對處理復(fù)雜的現(xiàn)實場景視頻數(shù)據(jù)具有一定的魯棒性。在實際應(yīng)用場景中,在線視頻動作分析不僅考慮識別準(zhǔn)確性,同時還要求時間效率。本文對該工作進行在線測試分析,結(jié)果表明當(dāng)在線獲取當(dāng)前幀和當(dāng)前幀之前的479幀作為一次檢測輸入時,處理速度達到最優(yōu)值,比實際輸入時長快2.93倍。表明了在線視頻分析的有效性,為該任務(wù)的實際應(yīng)用打下了理論基礎(chǔ)。
【學(xué)位授予單位】：濟南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP391.41;TP18
【圖文】：

圖 1.1 視頻分析與輸出結(jié)果本文研究內(nèi)容主要分為以下幾個方面：（1）基于深度 ConvNets 的動作特征表示為了獲取魯棒的視頻動作特征，本文分別基于 BN-Inception 網(wǎng)絡(luò)建模動作空間

口腔護理動作實例

Thumos14數(shù)據(jù)集實例

【相似文獻】

相關(guān)期刊論文 前10條

1 安宇;;試論舞蹈的起源學(xué)說[J];戲劇之家;2018年17期

2 徐磊;;淺談舞蹈對學(xué)生品德素質(zhì)的培養(yǎng)[J];中華少年;2017年21期

3 張英波;;基于人體動作行為的運動訓(xùn)練系統(tǒng)組構(gòu)[J];山東體育科技;2014年01期

4 崔景秋;;淺談舞蹈審美應(yīng)具備的基本知識[J];小說評論;2011年S1期

5 劉婷;;人體動作隱喻化的認(rèn)知特點[J];安徽理工大學(xué)學(xué)報(社會科學(xué)版);2007年02期

6 常燕;潘一匡;張春田;;用于人體動作分析的一種電視錄像解析系統(tǒng)[J];電視技術(shù);1989年06期

7 張成亮;苗海委;張立;曹健;張曉東;;人體動作仿生隨動機器人[J];電腦迷;2016年04期

8 張英波;;人體動作模式的穩(wěn)定性與靈活性[J];中國體育教練員;2012年03期

9 李文莉;;人體動作隱喻的模式及認(rèn)知圖式分析[J];涪陵師范學(xué)院學(xué)報;2007年01期

10 楊燕;;服裝設(shè)計中人體動作適應(yīng)性實驗方法的研究─官能評價、腦波、唾液濃度的測定─[J];生物技術(shù)世界;2015年02期

相關(guān)會議論文 前9條

1 張倩;鄭麗;盧洋;李林;郭秀艷;;人體動作遠距離規(guī)則的內(nèi)隱學(xué)習(xí)[A];第二十一屆全國心理學(xué)學(xué)術(shù)會議摘要集[C];2018年

2 羅逸葦;姜明;;用Vicon系統(tǒng)進行人體動作的運動分析[A];第十一屆全國運動生物力學(xué)學(xué)術(shù)交流大會論文匯編（摘要）[C];2006年

3 黃少莉;;談聾兒的舞蹈教學(xué)[A];中國心理衛(wèi)生協(xié)會殘疾人心理衛(wèi)生分會第四屆學(xué)術(shù)交流會論文集[C];2002年

4 黃少莉;;談聾兒的舞蹈教學(xué)[A];中國心理衛(wèi)生協(xié)會殘疾人心理衛(wèi)生分會第四屆學(xué)術(shù)交流會論文集[C];2002年

5 宋啟來;;不同專項運動員伸膝動作動力過程的專項特征[A];第五屆全國運動生物力學(xué)學(xué)術(shù)會議論文摘要[C];1985年

6 洪友廉;;人體動作的計算機模擬和人體教學(xué)模型[A];運動生物力學(xué)研究方法[C];1986年

7 葉喜勇;陶霖密;王國健;;基于動作理解的隱式交互[A];第七屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2011)論文集【oral】[C];2011年

8 王國棟;陸阿明;王芳;;中等強度跑至疲勞過程中人體動作結(jié)構(gòu)及表面肌電變化研究[A];第九屆全國體育科學(xué)大會論文摘要匯編(3)[C];2011年

9 嚴(yán)波濤;高新友;張伯強;段文杰;;人體動作能量轉(zhuǎn)換和效率問題研究的方法學(xué)探討[A];第七屆全國體育科學(xué)大會論文摘要匯編（二）[C];2004年

相關(guān)重要報紙文章 前10條

1 劉皓然;日本“黑科技”：給人類造尾巴[N];環(huán)球時報;2019年

2 陳莉萍 浙江省平陽縣文化廣電新聞出版局藝術(shù)創(chuàng)作室，副研究館員;淺談社會舞蹈的“社會性”特征及發(fā)展現(xiàn)狀[N];音樂生活報;2011年

3 周惠斌;選購服裝注重六性[N];大眾科技報;2004年

4 記者 韓惠;用VR改變生活[N];淮北日報;2019年

5 寧在蘭;爬山雖好 小心膝蓋[N];衛(wèi)生與生活報;2008年

6 山東藝術(shù)學(xué)院舞蹈學(xué)院2010級研究生 苗慧晶;現(xiàn)代亦傳統(tǒng)[N];中國藝術(shù)報;2011年

7 南方日報記者 蒲荔子 實習(xí)生 溫友麗;舞蹈在于創(chuàng)造熟悉的陌生[N];南方日報;2010年

8 盧成芳;3D體感技術(shù)的三大核心環(huán)節(jié)[N];人民郵電;2015年

9 呂藝生 北京舞蹈學(xué)院;舞蹈:立足于人體自身的藝術(shù)[N];中國社會科學(xué)報;2012年

10 胡晶瑩;小議“情景舞蹈”[N];中國藝術(shù)報;2009年

相關(guān)博士學(xué)位論文 前7條

1 江焯林;基于計算機視覺的人體動作檢測和識別方法研究[D];華南理工大學(xué);2010年

2 姜鳴;基于體感網(wǎng)的人體動作監(jiān)測識別的研究[D];大連理工大學(xué);2012年

3 楊江峰;基于視頻的人體動作分析與識別的研究[D];電子科技大學(xué);2015年

4 趙瓊;基于視頻和三維動作捕捉數(shù)據(jù)的人體動作識別方法的研究[D];中國科學(xué)技術(shù)大學(xué);2013年

5 李陽;局部時空特征及部件的視頻人體動作識別方法研究[D];重慶大學(xué);2015年

6 孫宏宇;基于無線網(wǎng)絡(luò)信號傳播特征的三種感知問題研究[D];吉林大學(xué);2017年

7 肖玲;無線體域網(wǎng)中人體動作監(jiān)測與識別若干方法研究[D];湖南大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 張成權(quán);基于Kinect骨骼信息的人體動作識別方法研究[D];安慶師范大學(xué);2019年

2 王師廣;基于深度學(xué)習(xí)的人體動作檢測[D];電子科技大學(xué);2019年

3 吳艷春;基于深度學(xué)習(xí)的在線人體動作分析[D];濟南大學(xué);2019年

4 吳煌;基于骨骼數(shù)據(jù)的人體動作識別方法研究[D];安慶師范大學(xué);2018年

5 張松;基于深度相機的人體動作評價方法[D];杭州電子科技大學(xué);2018年

6 岳國玉;基于WiFi信號的室內(nèi)人體動作檢測研究及應(yīng)用[D];鄭州大學(xué);2018年

7 潘浩;基于WiFi的人體動作識別方法研究[D];湖南大學(xué);2018年

8 張龍飛;基于Kinect的人體動作比對分析系統(tǒng)[D];鄭州大學(xué);2018年

9 劉曉麗;基于運動特征與形狀特征的人體動作識別系統(tǒng)[D];華北水利水電大學(xué);2018年

10 李可利;人體動作數(shù)據(jù)分析算法[D];哈爾濱工業(yè)大學(xué);2018年

本文編號：2761675