發(fā)布時間：2017-09-05 16:22

  本文關(guān)鍵詞：基于特征表示的行為識別方法研究

  更多相關(guān)文章： 行為識別 中層特征表示 高層特征表示 行為部件 特征圖匹配

【摘要】：行為識別是計算機視覺領(lǐng)域的重要研究方向之一,在智能監(jiān)控、視頻檢索、視頻摘要、智能機器人和人機交互等系統(tǒng)中有著廣泛的應(yīng)用。與目標(biāo)檢測和識別等計算機視覺問題類似,行為識別方法的關(guān)鍵是視頻的特征表示。由于自然場景視頻在背景、視角、尺度和光照等方面巨大的差異性,及人體行為在外觀和執(zhí)行方式上的多樣性,視頻的特征表示方法深具挑戰(zhàn),且極大程度上影響行為識別方法的性能。 特征表示方法將視頻從樣本空間映射到特征空間,依據(jù)特征所含語義信息的多少,可以將其簡單的分為低層、中層和高層三類。本論文在分析和總結(jié)已有的視頻特征表示方法的基礎(chǔ)上,對基于中層特征表示和高層特征表示的行為識別方法進行了研究。 首先,基于對低層、中層和高層特征表示三者之間關(guān)系的分析,提出了一種分層的特征圖模型,該模型以視頻的低層特征為基礎(chǔ),通過逐層地構(gòu)建特征圖來得到視頻的高層特征表示,每一層的特征圖整合了特征的自身信息與特征之間的時空關(guān)系,能更完備的描述行為。為了使用分層的特征圖模型識別行為,本文具體地描述了各層特征圖的構(gòu)建方法,并提出了一種分層的圖匹配方法計算視頻之間的相似度。在公開的行為數(shù)據(jù)集上的實驗結(jié)果驗證了本方法的有效性。 其次,考慮到高層特征表示能力的不足,及中層特征較好的表示能力和判別能力,提出了一種基于中層行為部件自動挖掘的行為識別方法。該方法通過訓(xùn)練候選的行為部件檢測器和選擇有效的行為部件檢測器來解決行為部件的挖掘問題。為了得到候選的行為部件檢測器,提出了結(jié)合特征白化和交叉驗證的訓(xùn)練算法；為了選擇有效的行為部件檢測器,提出了Coverage-Entropy Curve評估檢測器的能力,并定義檢測器之間的相似性度量減少冗余度。在多個公開的行為數(shù)據(jù)集上的實驗結(jié)果表明本方法挖掘的行為部件能有效地識別行為。 然后,針對行為部件挖掘算法中有效行為部件檢測器的選擇問題,提出了基于特征選擇的行為部件自動挖掘方法。由于常用的選擇算法通常采用啟發(fā)式的準(zhǔn)則,未能直接地分析檢測器分類行為的能力,也不能保證選出的行為部件檢測器能最優(yōu)地識別行為,因此,本文通過分析行為部件檢測器與行為分類問題之間的關(guān)系,將有效行為部件檢測器的選擇問題轉(zhuǎn)化為標(biāo)準(zhǔn)的特征選擇問題,并從兩個不同的角度,分別提出基于SVM和稀疏表示的求解算法。本方法在多個公開的行為數(shù)據(jù)集上進行了實驗,獲得了突出的識別結(jié)果。 最后,本文對所做的工作進行了總結(jié),并結(jié)合本文工作的不足之處,簡單地闡述了本文后續(xù)的研究內(nèi)容。
【關(guān)鍵詞】：行為識別 中層特征表示 高層特征表示 行為部件 特征圖匹配
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要4-6
• Abstract6-8
• 目錄8-10
• 中英文縮寫對照表10-11
• 1 緒論11-25
• 1.1 引言11
• 1.2 研究背景及意義11-15
• 1.3 行為識別方法研究現(xiàn)狀15-20
• 1.4 本文主要研究內(nèi)容20-22
• 1.5 課題來源及內(nèi)容安排22-25
• 2 基于分層特征圖匹配的行為識別方法25-50
• 2.1 引言25-28
• 2.2 分層的特征圖匹配模型28-32
• 2.3 特征圖的構(gòu)建32-34
• 2.4 特征圖的匹配方法34-40
• 2.5 實驗結(jié)果與分析40-48
• 2.6 本章小結(jié)48-50
• 3 基于行為部件自動挖掘的行為識別方法50-87
• 3.1 引言51-54
• 3.2 行為部件的自動挖掘算法54-65
• 3.3 基于行為部件的行為識別算法65-66
• 3.4 實驗結(jié)果與分析66-86
• 3.5 本章小結(jié)86-87
• 4 基于特征選擇的行為部件自動挖掘方法87-120
• 4.1 引言87-89
• 4.2 基于特征選擇的行為部件選擇方法89-95
• 4.3 基于行為部件的行為識別算法95-97
• 4.4 實驗結(jié)果與分析97-119
• 4.5 本章小結(jié)119-120
• 5 總結(jié)與展望120-123
• 5.1 工作總結(jié)120-121
• 5.2 主要創(chuàng)新點121
• 5.3 展望121-123
• 致謝123-124
• 參考文獻124-138
• 附錄1 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文138-139
• 附錄2 公開發(fā)表的學(xué)術(shù)論文與博士學(xué)位論文的關(guān)系139-140
• 附錄3 攻讀學(xué)位期間參與課題140

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

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

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

3 高春庚;孫建國;;基于統(tǒng)計的人臉識別方法綜述[J];安陽工學(xué)院學(xué)報;2012年04期

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

6 呂冬梅,劉燕萍,李云凱;一個新的機械圖紙識別方法[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)的集裝箱編號識別方法的研究[J];中國包裝工業(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)模語料的新詞識別方法[J];計算機工程與應(yīng)用;2007年21期

9 董世都;黃同愿;王華秋;王森;楊小帆;;半邊人臉識別方法[J];計算機工程;2008年07期

10 方曉春;;一種優(yōu)化的角色識別方法[J];計算機應(yīng)用與軟件;2009年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

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

2 張朋柱;韓崇昭;萬百五;;智能決策支持系統(tǒng)中的問題識別方法與實現(xiàn)[A];全國青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第2卷）[C];1993年

3 劉麗蘭;劉宏昭;;時間序列模型的識別方法[A];制造技術(shù)自動化學(xué)術(shù)會議論文集[C];2004年

4 苗振偉;許勇;楊軍;;超聲波人臉識別方法研究[A];中國聲學(xué)學(xué)會2007年青年學(xué)術(shù)會議論文集（上）[C];2007年

5 羅智勇;宋柔;荀恩東;;一種基于可信度的人名識別方法[A];第二屆全國學(xué)生計算語言學(xué)研討會論文集[C];2004年

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

7 趙銳;陳光發(fā);;軍事口令識別的Fuzzy方法探討[A];第二屆全國人機語音通訊學(xué)術(shù)會議論文集[C];1992年

8 駱玉榮;劉建麗;史曉濤;;一種自動車窗識別方法的設(shè)計與實現(xiàn)[A];計算機技術(shù)與應(yīng)用進展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

9 崔凱華;王國慶;方劍青;李紅軍;賈俊波;馬超;趙燁;張東輝;;基于聲模態(tài)分析的材料識別方法研究[A];現(xiàn)代振動與噪聲技術(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別方法的探索研究[A];中國化學(xué)會第26屆學(xué)術(shù)年會化學(xué)信息學(xué)與化學(xué)計量學(xué)分會場論文集[C];2008年

中國重要報紙全文數(shù)據(jù)庫 前9條

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

2 龐席堂;假幣的識別方法[N];中華合作時報;2003年

3 王修增;手機被盜號的6種識別方法[N];中國保險報;2003年

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

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

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

7 金亮;機器人的情感[N];中國醫(yī)藥報;2001年

8 黃璐;識別假火車票有絕招[N];山西經(jīng)濟日報;2004年

9 宗紹純;如何識別是純奶還是奶飲料？[N];國際商報;2003年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

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

2 徐訓(xùn);線性與非線性結(jié)構(gòu)動力荷載識別方法及實驗研究[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別方法研究[D];華中科技大學(xué);2015年

5 張莉莉;競優(yōu)特征的群識別方法及其應(yīng)用[D];東北大學(xué);2010年

6 陳綿書;計算機人臉識別方法研究[D];吉林大學(xué);2004年

7 葉俊勇;人臉檢測與識別方法研究[D];重慶大學(xué);2002年

8 何光輝;四種人臉識別方法研究[D];重慶大學(xué);2010年

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

10 肖冰;人臉畫像—照片的合成與識別方法研究[D];西安電子科技大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

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

2 彭姣麗;針對多表情的人臉識別方法研究[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別方法研究[D];電子科技大學(xué);2014年

6 田曉霞;運動想象EEG的識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)譜時頻特征的SAR目標(biāo)檢測與識別方法研究[D];電子科技大學(xué);2014年

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

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

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

，

本文編號：799013