

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),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、人體行為識別由于其廣泛的應(yīng)用前景以及潛在的社會、經(jīng)濟(jì)價值,已經(jīng)成為計算機(jī)視覺領(lǐng)域中備受關(guān)注的前沿方向之一,吸引了國內(nèi)外眾多研究人員投入其中進(jìn)行深入地研究并取得了大量的研究成果,然而視頻特征提取計算復(fù)雜度與行為識別準(zhǔn)確率之間的矛盾仍未得到有效解決。人體的行為過程是一個隨時間連續(xù)變化的動態(tài)過程,并且具有一定的周期性,由此得到的數(shù)據(jù)流所產(chǎn)生的觀測序列在不同時刻具備一定程度上的相似性,單層學(xué)習(xí)模型無法對觀測序列在時間粗粒度上的這種相似性進(jìn)行有效
2、地描述;層次學(xué)習(xí)模型能夠獲得較好的高層抽象特征表達(dá),但是建模過程復(fù)雜度高。本文在總結(jié)和分析目前國內(nèi)外常用人體行為識別方法的基礎(chǔ)上,針對上述問題做了如下工作:
1.總結(jié)了目前國內(nèi)外常用的運動目標(biāo)檢測方法,分析了各種運動目標(biāo)檢測方法的優(yōu)缺點,提出一種新的特征提取方法:1)利用混合高斯模型對原始輸入視頻進(jìn)行建模,提取出運動目標(biāo)的前景二值圖像并求取前景二值圖像的質(zhì)心坐標(biāo);2)以質(zhì)心坐標(biāo)為中心在該前景二值圖像對應(yīng)的原始視頻幀圖像上定位前
3、景塊,采用3層金字塔結(jié)構(gòu)提取前景塊的金字塔方向梯度直方圖(Pyramid of Histograms of Orientation Gradients,PHOG)特征作為該幀圖像的特征向量;3)整段視頻做同樣處理后,得到原始視頻所對應(yīng)的時序性觀測序列。本文特征提取方法顯著減少了背景的邊緣信息對圖像特征表達(dá)造成的干擾。
2.采用層次序列總結(jié)隱條件隨機(jī)場(Hierarchical Sequence Summarization Hi
4、dden Conditional Random Field,HSSHCRF)模型對時序性觀測序列進(jìn)行建模,通過層次序列總結(jié)的方式來捕獲時序性觀測序列中復(fù)雜的時空動態(tài)信息,即通過交替進(jìn)行序列學(xué)習(xí)和序列總結(jié),動態(tài)且遞歸地建立一個層次結(jié)構(gòu)。就序列學(xué)習(xí)而言,使用隱條件隨機(jī)場(Hidden Conditional Random Field,HCRF)模型學(xué)習(xí)潛在的時空動態(tài)信息;序列總結(jié)就是把隱狀態(tài)空間中具有相似語義信息的觀測值歸為一組。對于層次結(jié)
5、構(gòu)中的每一層,通過非線性門函數(shù)來學(xué)習(xí)特征的抽象表達(dá),重復(fù)這個過程可以獲得觀測序列經(jīng)過層次學(xué)習(xí)總結(jié)的高層抽象表達(dá),有效保留底層變量組細(xì)節(jié)的同時也提高了高層變量組的判別能力,并且通過一種高效的學(xué)習(xí)方法進(jìn)行模型訓(xùn)練,模型的時間復(fù)雜度隨著層次結(jié)構(gòu)的增加僅呈亞線性增長。
在經(jīng)典的行為識別視頻數(shù)據(jù)庫上進(jìn)行本文行為識別方法的驗證,同時對實驗結(jié)果進(jìn)行了分析和對比,從實驗結(jié)果可以看出本文有效地緩解了視頻特征提取計算復(fù)雜度與行為識別準(zhǔn)確率之間的矛
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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 一種改進(jìn)的人臉表情識別方法研究.pdf
- 基于多層條件隨機(jī)場的短語音語義識別方法.pdf
- 基于隱條件隨機(jī)場的漢語語音識別聲學(xué)模型研究.pdf
- 一種基于離散時空模型的步態(tài)識別方法.pdf
- 基于條件隨機(jī)場模型的異常行為檢測方法研究.pdf
- 基于深度遞歸分層條件隨機(jī)場模型的人體行為識別.pdf
- 38059.基于條件隨機(jī)場的地理命名實體識別方法研究
- 一種融合多特征描述子的行為識別方法.pdf
- 一種基于HMM和WNN混合模型的語音識別方法.pdf
- 基于規(guī)則和條件隨機(jī)場的中文命名實體識別方法研究.pdf
- 一種基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)識別方法研究.pdf
- 一種基于卷積神經(jīng)網(wǎng)絡(luò)和條件隨機(jī)場的人臉檢測方法.pdf
- 一種復(fù)雜背景下的手勢識別方法.pdf
- 基于條件隨機(jī)場的人體行為識別研究.pdf
- 一種改進(jìn)的P2P流量識別方法的研究與實現(xiàn).pdf
- 一種物體識別方法的研究及若干應(yīng)用.pdf
- 基于條件隨機(jī)場的人體行為識別與理解.pdf
- 一種基于判別式聚類的人體行為識別方法.pdf
- 基于條件隨機(jī)場的智能家居行為識別研究.pdf
- 一種一致最優(yōu)的KFDA人臉識別方法.pdf
評論
0/150
提交評論