發(fā)布時(shí)間：2023-11-12 16:21

　　人類(lèi)行為識(shí)別是計(jì)算機(jī)視覺(jué)中一個(gè)重要的主題,行為識(shí)別既包括單人執(zhí)行一系列動(dòng)作以完成某項(xiàng)任務(wù),也包括許多人分散在一個(gè)大的空間里,共同努力完成一個(gè)共同的任務(wù),即群體行為。群體行為識(shí)別的一個(gè)典型的應(yīng)用場(chǎng)景是體育視頻理解,體育戰(zhàn)術(shù)自動(dòng)分析等關(guān)鍵技術(shù),具有重要的應(yīng)用前景和商業(yè)價(jià)值。但由于背景雜亂、個(gè)體之間的關(guān)系復(fù)雜等原因,使得面向體育視頻的行為識(shí)別成為一個(gè)及其重要而又非常具有挑戰(zhàn)性的問(wèn)題。本文對(duì)體育運(yùn)動(dòng)排球視頻的行為識(shí)別存在的問(wèn)題進(jìn)行了深入研究,并使用TensorFlow深度學(xué)習(xí)框架作為代碼實(shí)現(xiàn)基礎(chǔ),分別從單人的時(shí)序信息和注意力機(jī)制提升特征表示能力兩個(gè)方面進(jìn)行研究,其主要研究?jī)?nèi)容主要包括:1)提出了一個(gè)基于ROI的排球視頻行為識(shí)別網(wǎng)絡(luò)。該網(wǎng)絡(luò)首先使用改進(jìn)的全卷積網(wǎng)絡(luò)(MFCN)進(jìn)行多級(jí)特征提取,應(yīng)用深度全卷積網(wǎng)絡(luò)(DFCN)對(duì)排球運(yùn)動(dòng)員的ROI進(jìn)行初檢測(cè),再利用馬爾科夫隨機(jī)場(chǎng)(MRF)進(jìn)行ROI的微調(diào)以獲得最終運(yùn)動(dòng)員們的ROI集合;然后,從單人行為的時(shí)序信息入手,將目標(biāo)運(yùn)動(dòng)員的ROI時(shí)間序列進(jìn)行時(shí)序推理,得到單人行為的預(yù)測(cè)結(jié)果;最后使用ROI匹配遞歸卷積網(wǎng)絡(luò)進(jìn)行群體行為的時(shí)序建模,生成群體行為的預(yù)...

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀與存在的問(wèn)題
    1.3 本文主要工作
    1.4 本文章節(jié)安排
第2章 相關(guān)理論基礎(chǔ)知識(shí)介紹
    2.1 全卷積網(wǎng)絡(luò)
    2.2 遞歸神經(jīng)網(wǎng)絡(luò)
        2.2.1 RNN模型結(jié)構(gòu)
        2.2.2 RNN的反向傳播
    2.3 非極大值抑制
    2.4 池化方式
    2.5 注意力機(jī)制
    2.6 本章總結(jié)
第3章 基于ROI的排球視頻行為識(shí)別網(wǎng)絡(luò)研究
    3.1 引言
    3.2 MFCN多級(jí)特征提取
    3.3 ROI的檢測(cè)與微調(diào)
    3.4 基于 ROI 的單人行為時(shí)序推理
    3.5 基于ROI匹配的群體行為識(shí)別
    3.6 算法步驟
    3.7 實(shí)驗(yàn)設(shè)置與結(jié)果分析
        3.7.1 數(shù)據(jù)集介紹
        3.7.2 評(píng)價(jià)指標(biāo)及實(shí)驗(yàn)設(shè)置
        3.7.3 實(shí)驗(yàn)結(jié)果
        3.7.4 實(shí)驗(yàn)討論
    3.8 本章小結(jié)
第4章 基于雙重注意力的排球視頻群體行為識(shí)別網(wǎng)絡(luò)研究
    4.1 引言
    4.2 面向排球視頻的空間注意力模型
        4.2.1 空間注意力矩陣的生成
        4.2.2 特征融合策略
        4.2.3 面向排球視頻的空間注意力模型偽代碼
    4.3 面向排球視頻的通道注意力模型
        4.3.1 全局描述符的生成
        4.3.2 獲取通道相關(guān)性
        4.3.3 特征融合策略
        4.3.4 面向排球視頻的通道注意力模型偽代碼
    4.4 面向排球視頻的雙重注意力模型
    4.5 基于雙重注意力的排球視頻群體行為識(shí)別網(wǎng)絡(luò)融合
    4.6 實(shí)驗(yàn)結(jié)果及討論
        4.6.1 網(wǎng)絡(luò)結(jié)構(gòu)討論
        4.6.2 關(guān)于通道注意力模型討論
        4.6.3 基于 ROI 的單人行為時(shí)序推理模型與雙重注意力模型的對(duì)比實(shí)驗(yàn)
        4.6.4 與先進(jìn)算法的對(duì)比實(shí)驗(yàn)
    4.7 本章小結(jié)
第5章 總結(jié)與展望
    5.1 論文工作總結(jié)
    5.2 未來(lái)工作展望
參考文獻(xiàn)
深圳大學(xué)指導(dǎo)教師對(duì)研究生學(xué)位論文的學(xué)術(shù)評(píng)語(yǔ)
深圳大學(xué)研究生學(xué)位（畢業(yè)）論文答辯委員會(huì)決議書(shū)
致謝
攻讀碩士學(xué)位期間的研究成果



本文編號(hào)：3863510