模擬視皮層脈沖神經(jīng)網(wǎng)絡(luò)的人體動作識別.pdf

1、從視頻序列中識別人體動作是計算機視覺領(lǐng)域極具挑戰(zhàn)的研究任務(wù)，這主要包括兩個方面的原因。一方面是人體動作固有的復(fù)雜性，例如個體動作本身的不確定性與差異性使得這個方面的研究面臨著巨大的挑戰(zhàn)；另一方面是人體動作識別的結(jié)果容易受到環(huán)境的影響，例如衣著，背景顏色，鏡頭的移動等。近年來，人們開展了大量的動作識別研究，取得了著有成效的研究成果。然而，由于人體動作的特殊性與復(fù)雜性，其成果應(yīng)用具有一定的局限性。
　　隨著腦神經(jīng)科學(xué)研究的不斷深入，對

2、視覺皮層信息加工機制的理解不斷完善，腦啟發(fā)式人體動作識別的研究成為熱點。目前，所建立的腦啟發(fā)式人體動作識別系統(tǒng)大部分是側(cè)重于模擬初級視皮層（V1）、中顳區(qū)（MT）的前向結(jié)構(gòu)屬性而實現(xiàn)的，忽略了V1、MT區(qū)神經(jīng)元的某些重要特性，其系統(tǒng)實現(xiàn)不僅缺乏生物的合理性，而且識別性能不理想。本文結(jié)合視覺神經(jīng)科學(xué)的最新研究成果，開展了模擬 V1與 MT區(qū)域的脈沖神經(jīng)網(wǎng)絡(luò)信息加工機制進行視頻時空信息處理，人體動作時空特征提取與識別研究，取得了相應(yīng)的研究成

3、果。
　　首先，建立了模擬視覺皮層（V1和MT）信息加工機制的時空信息檢測與動作識別計算模型。該模型模擬視覺背側(cè)通路中，致力于運動信息分析與處理V1與MT層脈沖神經(jīng)網(wǎng)絡(luò)的信息處理機制，實現(xiàn)了視頻時空信息的有效獲取。
　　其次，提出了符合生物學(xué)數(shù)據(jù)的V1與MT神經(jīng)元連接映射計算方法，給出了V1和MT區(qū)域中神經(jīng)元中心環(huán)繞抑制的計算方法，從而滿足了神經(jīng)元速度與方向選擇性的信息處理方法，實現(xiàn)了完整且有效的運動信息提取。
　　此

4、外，將模擬視覺注意機制的中心定位操作整合在系統(tǒng)中，從而使獲取的視頻對象時空信息更有效，保證視頻對象尺度不變的特性，提高了人體動作識別性能。
　　最后，結(jié)合脈沖神經(jīng)元模型，給出了基于平均發(fā)放率的脈沖神經(jīng)元脈沖鏈的分析方法，并利用脈沖神經(jīng)元在局部時間上的平均發(fā)放率，構(gòu)建了神經(jīng)元發(fā)放的平均運動圖，實現(xiàn)了人體動作特征的有效提取。
　　該系統(tǒng)采用支持向量機作為分類器，對公開的人體動作數(shù)據(jù)庫Weizmann與KTH進行了系統(tǒng)性能的測試，