基于密集軌跡與深度學(xué)習(xí)的人體動(dòng)作識(shí)別.pdf

1、動(dòng)作識(shí)別是計(jì)算機(jī)視覺的熱門研究課題。它指的是用計(jì)算機(jī)自動(dòng)地對(duì)視頻中的人體動(dòng)作進(jìn)行識(shí)別分類。它會(huì)受到一系列條件的影響，例如人體形態(tài)、攝像機(jī)視角、運(yùn)動(dòng)物體和背景等等。動(dòng)作識(shí)別本質(zhì)上是一個(gè)視頻分類任務(wù)，其中用到的很多技術(shù)和方法來源于圖像識(shí)別和文本檢索領(lǐng)域。動(dòng)作識(shí)別的研究對(duì)于視頻監(jiān)控、人機(jī)交互等領(lǐng)域的發(fā)展有著重要價(jià)值。
　　在動(dòng)作識(shí)別中，視頻的表示是核心問題，即怎么樣把長(zhǎng)度、分辨率、內(nèi)容各不相同的視頻表示為一個(gè)統(tǒng)一的格式，使該格式能夠很好

2、的描述視頻的信息。一般使用固定維度的向量來表示視頻。近幾年，動(dòng)作識(shí)別的視頻表示計(jì)算方法主要有兩種，即特征描述符方法和深度學(xué)習(xí)方法。本文將對(duì)這兩種方法分別進(jìn)行敘述。
　　在傳統(tǒng)的特征描述符方法中，本文使用改進(jìn)版密集軌跡特征描述符進(jìn)行特征提取，在特征變換方法中，對(duì)傳統(tǒng)的特征變換方法進(jìn)行了改進(jìn)。通過使用局部保留投影算法，使得降維后的特征向量依然保留有原始空間向量之間的鄰近關(guān)系。在聚類與量化方法中，選用了高斯混合模型和Fisher向量方法

3、。
　　在深度學(xué)習(xí)方法中，本文的實(shí)驗(yàn)先將視頻切成幀的集合，然后使用已在IMAGENET上訓(xùn)練好的深度卷積網(wǎng)絡(luò)對(duì)視頻幀進(jìn)行特征提取，最后用均值量化的方法計(jì)算視頻表示。
　　在實(shí)驗(yàn)中，首先使用特征描述符方法在UCF-101和HMDB-51這兩大標(biāo)準(zhǔn)數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，得出了更好的識(shí)別效果。然后，利用傳統(tǒng)方法與深度學(xué)習(xí)方法的組合在由大量實(shí)際數(shù)據(jù)組成的THUMOS2014數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果說明了兩種主流視頻表示方法的有效性和互