基于條件隨機(jī)場(chǎng)的人體動(dòng)作識(shí)別.pdf

1、隨著現(xiàn)代社會(huì)節(jié)奏的加快以及生活智能化的普及，以視頻捕獲為主要目的的監(jiān)控系統(tǒng)越來(lái)越被智能識(shí)別系統(tǒng)所取代，以此來(lái)減少之前對(duì)捕獲的視頻進(jìn)行人工識(shí)別時(shí)人力、物力和時(shí)間的浪費(fèi)。以人體動(dòng)作、姿態(tài)為對(duì)象的識(shí)別在安防、家居、老人監(jiān)護(hù)等社會(huì)生活的各個(gè)方面都呈現(xiàn)出了廣泛的需求。由于人體動(dòng)作具有復(fù)雜的非剛性運(yùn)動(dòng)特性以及動(dòng)作在不同人之間甚至在同一人之間呈現(xiàn)普遍的差異性，這些對(duì)人體動(dòng)作識(shí)別算法的魯棒性提出了更高的要求。由于人體動(dòng)作序列相比人臉、車等靜態(tài)目標(biāo)具有長(zhǎng)

2、時(shí)空相關(guān)性，將整個(gè)動(dòng)作序列表示成高維空間的數(shù)據(jù)點(diǎn)進(jìn)行分類會(huì)造成動(dòng)作數(shù)據(jù)中的時(shí)間信息的損失。于是，以圖模型為基礎(chǔ)的人體動(dòng)作識(shí)別通過(guò)建立樣本序列幀之間的權(quán)重關(guān)系，來(lái)捕獲人體姿態(tài)前后變化的規(guī)律從而進(jìn)行識(shí)別的方法得到了廣泛的關(guān)注。
　　本文以圖模型中的條件隨機(jī)場(chǎng)和含隱變量的條件隨機(jī)場(chǎng)作為模型基礎(chǔ)，以人體動(dòng)作序列為對(duì)象，針對(duì)在模型創(chuàng)建過(guò)程中常常出現(xiàn)的人為強(qiáng)制約束與過(guò)度自由兩方面的缺陷，開展了大量的研究工作。本文的主要研究?jī)?nèi)容如下:
　

3、　1.通過(guò)分析人體動(dòng)作序列幀之間的關(guān)系與特點(diǎn)，建立高階非鄰域邊關(guān)系的圖模型來(lái)彌補(bǔ)鏈?zhǔn)綏l件隨機(jī)場(chǎng)損失的非鄰域信息。引入L1-group正則項(xiàng)對(duì)圖模型進(jìn)行稀疏，從而尋求得到人體動(dòng)作的本征圖模型結(jié)構(gòu)。
　　2.針對(duì)人體動(dòng)作序列幀具有的離散性特點(diǎn)，在隱條件隨機(jī)場(chǎng)的基礎(chǔ)上提出階段隱條件隨機(jī)場(chǎng)(Stage-HCRF)。Stage-HCRF通過(guò)解析來(lái)自上一層隱藏節(jié)點(diǎn)的信息，將動(dòng)作信息按階段表征為下一層隱藏節(jié)點(diǎn)的狀態(tài)。引入L1-group正則項(xiàng)對(duì)