行為識別一直以來都是模式識別和計算機(jī)視覺等領(lǐng)域的研究熱點,在智能視頻監(jiān)控、視頻數(shù)據(jù)內(nèi)容檢索、虛擬現(xiàn)實等方面有廣闊的應(yīng)用市場和巨大的應(yīng)用價值。行為識別的研究涉及到數(shù)字圖像處理、信號處理、模式識別等領(lǐng)域的熱點、難點問題,對其的研究具有較高的理論研究價值。區(qū)別于傳統(tǒng)的行為識別方法,本文采用了深度學(xué)習(xí)的方法對行為識別進(jìn)行研究。傳統(tǒng)的行為識別方法常常是把特征提取作為研究的核心,而采用深度學(xué)習(xí)算法則在一定程度上實現(xiàn)了算法自身學(xué)習(xí)數(shù)據(jù)特征,并能對學(xué)習(xí)來的有效的特征進(jìn)行分類。這在一定程度上減少了人工的干預(yù)。本文對行為圖像序列進(jìn)行了關(guān)鍵幀提取,將任一行為表征為具有時間序列性的行為關(guān)鍵語句。針對關(guān)鍵語句的時序性,本文采用了擅長處理時序數(shù)據(jù)的長短時記憶神經(jīng)網(wǎng)絡(luò)（Long Short Term Memory Network,LSTM）對行為關(guān)鍵語句進(jìn)行了分類,實現(xiàn)了針對停車場場景的異常行為識別�？紤]深度學(xué)習(xí)算法通常需要大量的數(shù)據(jù)才能訓(xùn)練出較好的模型。本文在已存在的數(shù)據(jù)的情況下,采用深度卷積對抗生成網(wǎng)絡(luò)（Deep Convolutional Generative Adversarial Networks,DCG... 

【文章來源】：四川師范大學(xué)四川省

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【部分圖文】：

KTH行為數(shù)據(jù)庫（2）中科院CASIA行為數(shù)據(jù)庫中科院CASIA行為數(shù)據(jù)庫拍攝的場景是在室外自然環(huán)境下的停車場

CASIA行為數(shù)據(jù)庫除了上述行為數(shù)據(jù)庫，目前常用數(shù)據(jù)庫還有Weizman行為數(shù)據(jù)庫、UCFsports

行為視頻拍攝示意圖

【參考文獻(xiàn)】：
期刊論文
[1]基于混合關(guān)節(jié)特征的人體行為識別[J]. 胡珂杰,蔣敏,孔軍.  傳感器與微系統(tǒng). 2018(03)
[2]基于多層卷積神經(jīng)網(wǎng)絡(luò)特征和雙向長短時記憶單元的行為識別（英文）[J]. 葛瑞,王朝暉,徐鑫,季怡,劉純平,龔聲蓉.  控制理論與應(yīng)用. 2017(06)
[3]用于跨庫語音情感識別的DBN特征融合方法[J]. 張昕然,巨曉正,宋鵬,查誠,趙力.  信號處理. 2017(05)
[4]3D CNNs與LSTMs在行為識別中的組合及其應(yīng)用[J]. 秦陽,莫凌飛,郭文科,李釩.  測控技術(shù). 2017(02)
[5]基于深度學(xué)習(xí)的人體行為識別算法綜述[J]. 朱煜,趙江坤,王逸寧,鄭兵兵.  自動化學(xué)報. 2016(06)
[6]人體動作行為識別研究綜述[J]. 李瑞峰,王亮亮,王珂.  模式識別與人工智能. 2014(01)
[7]基于Tri-Training和數(shù)據(jù)剪輯的半監(jiān)督聚類算法[J]. 鄧超,郭茂祖.  軟件學(xué)報. 2008(03)
[8]基于多區(qū)域分割的步態(tài)表示與識別算法研究[J]. 楊軍,吳曉娟,彭彰,陳文剛.  計算機(jī)學(xué)報. 2006(10)
[9]結(jié)合強(qiáng)度和邊界信息的非參數(shù)前景/背景分割方法[J]. 陳睿,鄧宇,向世明,李華.  計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報. 2005(06)
[10]運動圖像序列的人體三維運動骨架重建[J]. 莊越挺,劉小明,潘云鶴,楊駿.  計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報. 2000(04)

博士論文
[1]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]. 趙瓊.中國科學(xué)技術(shù)大學(xué) 2013

碩士論文
[1]停車場異常行為識別方法研究[D]. 鄒佳運.四川師范大學(xué) 2014



本文編號：3058884