發(fā)布時(shí)間：2017-04-09 16:25

  本文關(guān)鍵詞：視頻序列中人體行為的低秩表達(dá)與識(shí)別方法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：人體行為識(shí)別是計(jì)算機(jī)視覺領(lǐng)域內(nèi)一個(gè)非�；钴S的研究方向,具有十分重要的理論研究?jī)r(jià)值和廣泛的應(yīng)用場(chǎng)景,比如智能視頻監(jiān)控、視頻檢索、智能監(jiān)護(hù)和人機(jī)交互等。近年來(lái),人們已提出了大量方法,從不同角度解釋和處理人體行為識(shí)別問題。盡管這些方法已取得了一定成果,然而由于人體行為本身以及所處環(huán)境的復(fù)雜性,行為識(shí)別技術(shù)中還存在很多問題值得深入研究。人體行為識(shí)別通常被看作是一個(gè)模式分類問題,主要包括行為特征提取與表達(dá)和行為分類兩大部分。論文以包含人體行為的視頻序列為研究對(duì)象,分析了現(xiàn)有行為識(shí)別方法的特點(diǎn)和不足,并針對(duì)這些不足,對(duì)行為特征提取與表達(dá)及相關(guān)行為識(shí)別方法進(jìn)行了深入研究,提出了一些新的解決思路和方法。論文首先提出了人體行為低秩特征,隨后提出了累加邊緣分布直方圖的特征表達(dá)方法;然后針對(duì)如何增強(qiáng)行為低秩特征抗背景干擾的能力及捕獲時(shí)間信息的能力提出了兩種改進(jìn)方法,并對(duì)相應(yīng)的行為識(shí)別方法進(jìn)行了深入研究,提出了新的判別部件學(xué)習(xí)模型和字典學(xué)習(xí)模型。最后在三個(gè)具有代表性的行為數(shù)據(jù)庫(kù)上驗(yàn)證了論文提出方法的有效性。論文的主要貢獻(xiàn)和創(chuàng)新點(diǎn)歸納如下:①提出了運(yùn)用行為低秩特征提取視頻序列中行為信息的方法,并確定了可行規(guī)則化參數(shù)及其計(jì)算公式。傳統(tǒng)行為特征提取通常需要人體目標(biāo)的檢測(cè)、分割、跟蹤或興趣點(diǎn)檢測(cè)等預(yù)處理步驟,而這些處理步驟本身還存在不少困難未被解決,其產(chǎn)生的處理誤差也會(huì)傳遞到后續(xù)的行為分類當(dāng)中。相比傳統(tǒng)行為特征,行為低秩特征的提取方式更加簡(jiǎn)潔,有效地避免了上述預(yù)處理步驟。然而在行為低秩特征的提取過(guò)程中,傳統(tǒng)規(guī)則化參數(shù)難以有效提取出視頻序列中的行為信息;為此進(jìn)行了大量實(shí)驗(yàn)研究,并最終確定了可行的規(guī)則化參數(shù)及其計(jì)算公式。實(shí)驗(yàn)表明本文確定的規(guī)則化參數(shù)的特征提取效果遠(yuǎn)好于傳統(tǒng)規(guī)則化參數(shù)。②提出了累加邊緣分布直方圖的行為低秩特征表達(dá)方法。由于行為低秩特征自身的特性,傳統(tǒng)的特征表達(dá)方法難以有效描述出其中的行為信息。研究發(fā)現(xiàn)行為低秩特征中的邊緣信息可以很好地克服行為執(zhí)行者服裝灰度信息帶來(lái)的影響;同時(shí)視頻序列中的人體運(yùn)動(dòng)也會(huì)產(chǎn)生相應(yīng)的邊緣信息。因此首先提取行為低秩特征的邊緣信息,然后對(duì)邊緣信息的分布進(jìn)行統(tǒng)計(jì),并最終形成累加邊緣分布直方圖的行為低秩特征表達(dá)。在三個(gè)基準(zhǔn)數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)表明,累加邊緣分布直方圖比其他傳統(tǒng)特征表達(dá)方法更適合用于表達(dá)行為低秩特征。③提出了一種基于行為低秩特征中判別部件學(xué)習(xí)的行為識(shí)別方法。判別部件學(xué)習(xí)與行為低秩特征具有很強(qiáng)的互補(bǔ)性。從行為低秩特征中學(xué)習(xí)判別部件,能有效增強(qiáng)行為低秩特征的抗背景干擾能力,同時(shí)又能極大程度地克服傳統(tǒng)部件學(xué)習(xí)中的“背景記憶”問題。然而傳統(tǒng)的部件學(xué)習(xí)方法通常是對(duì)所有行為類學(xué)習(xí)相同數(shù)量的判別部件,忽略了各行為類之間識(shí)別難易程度的差異。為此提出了一種靈活數(shù)量判別部件學(xué)習(xí)模型,該模型可以針對(duì)不同行為類學(xué)習(xí)靈活數(shù)量的判別部件。在該模型中定義了新的相似性約束,更加有利于判別部件檢測(cè)器的產(chǎn)生;同時(shí)運(yùn)用組稀疏規(guī)則化方法自動(dòng)保留每個(gè)行為類別中判別力強(qiáng)的部件檢測(cè)器。實(shí)驗(yàn)結(jié)果表明了提出的判別部件學(xué)習(xí)模型的有效性,以及相應(yīng)的行為識(shí)別方法具有更優(yōu)的識(shí)別性能。④提出了一種基于時(shí)序行為低秩特征和字典學(xué)習(xí)的行為識(shí)別方法。為捕獲視頻序列中的時(shí)間信息,研究了時(shí)序行為低秩特征。首先將整個(gè)視頻序列按一定重疊率劃分為多個(gè)行為子序列,然后分別提取行為低秩特征,最終按時(shí)間順序?qū)⑵浯?lián)形成時(shí)序行為低秩特征。研究發(fā)現(xiàn)時(shí)序行為低秩特征更適合通過(guò)字典學(xué)習(xí)來(lái)進(jìn)行分類。然而傳統(tǒng)的字典學(xué)習(xí)模型未考慮各樣本編碼系數(shù)的相似性約束問題,同時(shí)難以很好處理非線性可分?jǐn)?shù)據(jù)。為此,提出了一種相似性約束的判別核字典學(xué)習(xí)模型。該字典學(xué)習(xí)模型中加入了相似性約束以約束各行為樣本的編碼系數(shù),進(jìn)而訓(xùn)練出性能更好的分類器;同時(shí)引入了核映射方法,以增強(qiáng)模型處理非線性可分?jǐn)?shù)據(jù)的能力。實(shí)驗(yàn)結(jié)果表明了提出的字典學(xué)習(xí)模型及相應(yīng)的行為識(shí)別方法的有效性。
【關(guān)鍵詞】：行為識(shí)別 行為低秩特征 判別部件學(xué)習(xí) 時(shí)序低秩特征 字典學(xué)習(xí)
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41
【目錄】：

• 中文摘要3-5
• 英文摘要5-10
• 1 緒論10-34
• 1.1 論文的研究背景和意義10-13
• 1.2 人體行為識(shí)別的定義及描述13-14
• 1.3 研究現(xiàn)狀概述14-24
• 1.3.1 行為特征提取與表達(dá)14-22
• 1.3.2 行為分類方法22-24
• 1.4 研究熱點(diǎn)及發(fā)展趨勢(shì)24-26
• 1.5 人體行為數(shù)據(jù)庫(kù)26-29
• 1.6 論文研究?jī)?nèi)容與結(jié)構(gòu)安排29-34
• 2 視頻序列中的行為低秩特征提取34-50
• 2.1 引言34-36
• 2.2 魯棒主成分分析36-38
• 2.3 行為視頻序列的低秩分解38-40
• 2.4 人體行為低秩特征提取40-48
• 2.4.1 可行的規(guī)則化參數(shù)分析40-45
• 2.4.2 行為低秩特征提取實(shí)驗(yàn)45-48
• 2.5 本章小結(jié)48-50
• 3 行為低秩特征的累加邊緣分布直方圖表達(dá)50-64
• 3.1 引言50-51
• 3.2 累加邊緣分布直方圖51-54
• 3.3 實(shí)驗(yàn)與分析54-62
• 3.3.1 實(shí)驗(yàn)設(shè)計(jì)54-56
• 3.3.2 實(shí)驗(yàn)結(jié)果56-59
• 3.3.3 對(duì)比實(shí)驗(yàn)分析59-62
• 3.4 本章小結(jié)62-64
• 4 基于行為低秩特征中判別部件學(xué)習(xí)的行為識(shí)別64-82
• 4.1 引言64-66
• 4.2 基于行為低秩特征中判別部件學(xué)習(xí)的行為識(shí)別66-73
• 4.2.1 行為低秩特征的稠密采樣67-68
• 4.2.2 行為低秩特征中的判別部件學(xué)習(xí)68-69
• 4.2.3 模型求解方法69-72
• 4.2.4 行為分類準(zhǔn)則72-73
• 4.3 實(shí)實(shí)驗(yàn)與分析73-81
• 4.3.1 實(shí)驗(yàn)設(shè)計(jì)73-74
• 4.3.2 實(shí)驗(yàn)結(jié)果74-78
• 4.3.3 對(duì)比實(shí)驗(yàn)分析78-81
• 4.4 本章小結(jié)81-82
• 5 基于時(shí)序行為低秩特征和字典學(xué)習(xí)的行為識(shí)別82-96
• 5.1 引言82-83
• 5.2 基于時(shí)序行為低秩特征和字典學(xué)習(xí)的行為識(shí)別83-88
• 5.2.1 時(shí)序行為低秩特征84
• 5.2.2 相似性約束的判別核字典學(xué)習(xí)84-86
• 5.2.3 模型求解方法86-88
• 5.2.4 行為分類準(zhǔn)則88
• 5.3 實(shí)驗(yàn)與分析88-94
• 5.3.1 實(shí)驗(yàn)設(shè)計(jì)88
• 5.3.2 實(shí)驗(yàn)結(jié)果88-90
• 5.3.3 對(duì)比實(shí)驗(yàn)分析90-94
• 5.4 本章小結(jié)94-96
• 6 總結(jié)與展望96-100
• 6.1 論文總結(jié)96-97
• 6.2 工作展望97-100
• 致謝100-102
• 參考文獻(xiàn)102-116
• 附錄116
• A. 作者在攻讀博士學(xué)位期間發(fā)表論文情況116
• B. 作者在攻讀博士學(xué)位期間主持或參與的科研項(xiàng)目116

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 施水才;俞鴻魁;呂學(xué)強(qiáng);李渝勤;;基于大規(guī)模語(yǔ)料的新詞語(yǔ)識(shí)別方法[J];山東大學(xué)學(xué)報(bào)(理學(xué)版);2006年03期

2 蘇家洪;;試述人臉識(shí)別新技術(shù)及編輯識(shí)別方法[J];中國(guó)新技術(shù)新產(chǎn)品;2012年07期

3 高春庚;孫建國(guó);;基于統(tǒng)計(jì)的人臉識(shí)別方法綜述[J];安陽(yáng)工學(xué)院學(xué)報(bào);2012年04期

4 馬彬;洪宇;楊雪蓉;姚建民;朱巧明;;基于語(yǔ)義依存線索的事件關(guān)系識(shí)別方法研究[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)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(gòu)建的事件關(guān)系識(shí)別方法[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年01期

6 呂冬梅,劉燕萍,李云凱;一個(gè)新的機(jī)械圖紙識(shí)別方法[J];信息技術(shù);2001年03期

7 劉志鵬,魏君;基于神經(jīng)網(wǎng)絡(luò)的集裝箱編號(hào)識(shí)別方法的研究[J];中國(guó)包裝工業(yè);2002年09期

8 賀敏;龔才春;張華平;程學(xué)旗;;一種基于大規(guī)模語(yǔ)料的新詞識(shí)別方法[J];計(jì)算機(jī)工程與應(yīng)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(shí)別方法[J];計(jì)算機(jī)工程;2008年07期

10 方曉春;;一種優(yōu)化的角色識(shí)別方法[J];計(jì)算機(jī)應(yīng)用與軟件;2009年04期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 鄭凱;;建立多維數(shù)據(jù)異常點(diǎn)識(shí)別方法的嘗試[A];第八屆全國(guó)體育科學(xué)大會(huì)論文摘要匯編（一）[C];2007年

2 張朋柱;韓崇昭;萬(wàn)百五;;智能決策支持系統(tǒng)中的問題識(shí)別方法與實(shí)現(xiàn)[A];全國(guó)青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第2卷）[C];1993年

3 劉麗蘭;劉宏昭;;時(shí)間序列模型的識(shí)別方法[A];制造技術(shù)自動(dòng)化學(xué)術(shù)會(huì)議論文集[C];2004年

4 苗振偉;許勇;楊軍;;超聲波人臉識(shí)別方法研究[A];中國(guó)聲學(xué)學(xué)會(huì)2007年青年學(xué)術(shù)會(huì)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(shí)別方法[A];第二屆全國(guó)學(xué)生計(jì)算語(yǔ)言學(xué)研討會(huì)論文集[C];2004年

6 張茜;鄭崢;亢一瀾;王娟;仇巍;;基于海量實(shí)測(cè)數(shù)據(jù)的反演識(shí)別方法與盾構(gòu)裝備載荷的力學(xué)建模[A];中國(guó)力學(xué)大會(huì)——2013論文摘要集[C];2013年

7 趙銳;陳光發(fā);;軍事口令識(shí)別的Fuzzy方法探討[A];第二屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議論文集[C];1992年

8 駱玉榮;劉建麗;史曉濤;;一種自動(dòng)車窗識(shí)別方法的設(shè)計(jì)與實(shí)現(xiàn)[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

9 崔凱華;王國(guó)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(shí)別方法研究[A];現(xiàn)代振動(dòng)與噪聲技術(shù)（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(shí)別方法的探索研究[A];中國(guó)化學(xué)會(huì)第26屆學(xué)術(shù)年會(huì)化學(xué)信息學(xué)與化學(xué)計(jì)量學(xué)分會(huì)場(chǎng)論文集[C];2008年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前9條

1 陳春道;甲魚優(yōu)劣及雌雄的識(shí)別方法[N];北京科技報(bào);2003年

2 龐席堂;假幣的識(shí)別方法[N];中華合作時(shí)報(bào);2003年

3 王修增;手機(jī)被盜號(hào)的6種識(shí)別方法[N];中國(guó)保險(xiǎn)報(bào);2003年

4 張侃;正品手機(jī)電池識(shí)別方法[N];通信產(chǎn)業(yè)報(bào);2000年

5 潘 治;德國(guó)開發(fā)出癌癥早期識(shí)別方法[N];中國(guó)中醫(yī)藥報(bào);2003年

6 新華社記者 段世文;產(chǎn)權(quán)證識(shí)別方法[N];新華每日電訊;2001年

7 金亮;機(jī)器人的情感[N];中國(guó)醫(yī)藥報(bào);2001年

8 黃璐;識(shí)別假火車票有絕招[N];山西經(jīng)濟(jì)日?qǐng)?bào);2004年

9 宗紹純;如何識(shí)別是純奶還是奶飲料？[N];國(guó)際商報(bào);2003年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 趙國(guó)騰;跨座式單軌交通軌道梁表面裂紋識(shí)別方法研究[D];重慶大學(xué);2015年

2 徐訓(xùn);線性與非線性結(jié)構(gòu)動(dòng)力荷載識(shí)別方法及實(shí)驗(yàn)研究[D];哈爾濱工業(yè)大學(xué);2015年

3 付文亮;基于FPGA的高性能應(yīng)用層協(xié)議識(shí)別方法研究[D];北京理工大學(xué);2015年

4 陳飛飛;基于特征表示的行為識(shí)別方法研究[D];華中科技大學(xué);2015年

5 黃仕建;視頻序列中人體行為的低秩表達(dá)與識(shí)別方法研究[D];重慶大學(xué);2015年

6 張莉莉;競(jìng)優(yōu)特征的群識(shí)別方法及其應(yīng)用[D];東北大學(xué);2010年

7 陳綿書;計(jì)算機(jī)人臉識(shí)別方法研究[D];吉林大學(xué);2004年

8 葉俊勇;人臉檢測(cè)與識(shí)別方法研究[D];重慶大學(xué);2002年

9 何光輝;四種人臉識(shí)別方法研究[D];重慶大學(xué);2010年

10 佟麗娜;基于力學(xué)量信息獲取系統(tǒng)的人體摔倒過(guò)程識(shí)別方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2011年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 徐珂瓊;基于視頻的人臉識(shí)別方法研究[D];天津理工大學(xué);2015年

2 彭姣麗;針對(duì)多表情的人臉識(shí)別方法研究[D];昆明理工大學(xué);2015年

3 代秀麗;基于半監(jiān)督判別分析的人臉識(shí)別方法研究[D];深圳大學(xué);2015年

4 易磊;基于兩階段的交通標(biāo)志識(shí)別方法研究[D];南京理工大學(xué);2015年

5 李彥;基于小波變換的人臉識(shí)別方法研究[D];電子科技大學(xué);2014年

6 田曉霞;運(yùn)動(dòng)想象EEG的識(shí)別方法及在上肢康復(fù)中的應(yīng)用[D];北京工業(yè)大學(xué);2015年

7 楊俊濤;基于分?jǐn)?shù)譜時(shí)頻特征的SAR目標(biāo)檢測(cè)與識(shí)別方法研究[D];電子科技大學(xué);2014年

8 宋洪偉;基于模糊集合的漢語(yǔ)主觀句識(shí)別方法研究與實(shí)現(xiàn)[D];黑龍江大學(xué);2015年

9 賈博軒;基于手機(jī)傳感器的人類復(fù)雜行為識(shí)別方法的研究[D];黑龍江大學(xué);2015年

10 范玲;Link-11數(shù)據(jù)鏈信號(hào)的識(shí)別方法研究[D];西安電子科技大學(xué);2014年

  本文關(guān)鍵詞：視頻序列中人體行為的低秩表達(dá)與識(shí)別方法研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：295673