版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、近年來,高清視頻設(shè)備的推出使得基于行為識(shí)別技術(shù)的人工智能在智慧安全城市、智能家居和軍事安防等領(lǐng)域得以飛速發(fā)展。廣泛的應(yīng)用前景和經(jīng)濟(jì)價(jià)值讓行為分析與識(shí)別這一技術(shù)迅速成為計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)。傳統(tǒng)的行為識(shí)別算法通常分為運(yùn)動(dòng)前景檢測、特征提取以及訓(xùn)練識(shí)別三個(gè)步驟。雖然該方法的識(shí)別率尚可接受,但是其魯棒性不高,且工作量巨大。此外,實(shí)際場景中目標(biāo)之間多有遮擋、背景復(fù)雜多樣以及拍攝角度不固定等因素都造成傳統(tǒng)方法識(shí)別困難甚至失效。本文旨在利用卷積
2、神經(jīng)網(wǎng)絡(luò)(Convolutional NeuralNetworks,CNN)改善傳統(tǒng)行為識(shí)別方法中存在的這些問題,在提高算法魯棒性的同時(shí)盡量提高識(shí)別的準(zhǔn)確率。
針對(duì)背景減差法和幀間差分法在運(yùn)動(dòng)幅度不太大的情況下無法提取完整前景的缺點(diǎn),本文提出基于高斯差分(Difference of Gaussian,DoG)圖像的人體剪影提取算法。該方法利用兩張相鄰高斯尺度空間的圖像相減構(gòu)造包含人體輪廓信息的差分圖像,然后對(duì)其進(jìn)行二值強(qiáng)化、形
3、態(tài)學(xué)處理等操作得到粗略的人體剪影圖像;第二步使用閡值對(duì)每行的粗略人體剪影區(qū)域進(jìn)行掃描檢測,再經(jīng)閉運(yùn)算等操作后得到完整準(zhǔn)確的人體剪影圖像。為融合圖像序列的時(shí)域信息,本文累加周期內(nèi)的人體剪影圖像,生成二維特征圖,并將其送入到CNN中進(jìn)行訓(xùn)練識(shí)別。最終,經(jīng)過網(wǎng)絡(luò)調(diào)參和五折交叉驗(yàn)證等實(shí)驗(yàn)后在KTH公共數(shù)據(jù)集上得到85.3%的平均準(zhǔn)確率,證明該識(shí)別框架具有一定的可行性。
為了更好地處理視頻數(shù)據(jù),學(xué)者們將卷積神經(jīng)網(wǎng)絡(luò)擴(kuò)展到了三維。本文利用
4、3D CNN進(jìn)行實(shí)驗(yàn),發(fā)現(xiàn)特征組合“光流圖-幀差圖-三幀幀差圖”可以取得最佳識(shí)別效果。經(jīng)過網(wǎng)絡(luò)調(diào)參和五折交叉驗(yàn)證等實(shí)驗(yàn)后在KTH公共數(shù)據(jù)集上得到92.0%的平均準(zhǔn)確率。其次,通過分析KTH數(shù)據(jù)集中各類樣本數(shù)量的比例分布及其對(duì)應(yīng)的準(zhǔn)確率,本論文提出使用二次訓(xùn)練、過取樣策略和擴(kuò)展數(shù)據(jù)集這三種改進(jìn)方法來證明數(shù)據(jù)分布不均衡對(duì)實(shí)驗(yàn)結(jié)果確有影響,并以此提高識(shí)別率。最終,三種改進(jìn)方法分別達(dá)到93.5%、92.8%和94.7%的平均準(zhǔn)確率,為小樣本或不
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于3D卷積神經(jīng)網(wǎng)絡(luò)的人體行為識(shí)別.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的視頻中的人體行為識(shí)別研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的人體行為檢測研究.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別研究.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的人體姿勢估計(jì)研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的人體檢測方法研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的人體行為識(shí)別技術(shù)研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的人臉圖像識(shí)別研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別研究與實(shí)現(xiàn).pdf
- 基于時(shí)空流卷積神經(jīng)網(wǎng)絡(luò)的行為識(shí)別研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的人臉表情和性別識(shí)別.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測和性別識(shí)別研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別及硬件實(shí)現(xiàn).pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別的研究與應(yīng)用.pdf
- 基于自編碼和卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別算法研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的車型識(shí)別研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的視覺識(shí)別研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的語音識(shí)別研究.pdf
- 基于端到端深度卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別算法.pdf
評(píng)論
0/150
提交評(píng)論