基于深度學(xué)習(xí)的動作識別研究.pdf

1、動作識別鑒于其在視頻跟蹤、運動分析、輔助醫(yī)療、虛擬現(xiàn)實和人機智能交互等領(lǐng)域的廣泛應(yīng)用而成為計算機視覺領(lǐng)域的研究熱點。動作識別技術(shù)是指通過一些方法使計算機對視頻或者圖像序列中的運動行為提取出具有分辨能力的特征進行識別分析。盡管目前已經(jīng)提出了許多動作識別的方法，但是這個問題依然具有挑戰(zhàn)性。動作識別的主要難點是設(shè)計一個模型，使其不僅能從背景中檢測出目標和動作，而且能準確識別動作多樣性的變化，如動作有部分被遮擋時和同一動作在不同的環(huán)境下發(fā)生時導(dǎo)

2、致的變化等。目前很多手動設(shè)計的模型，對特定的動作有一定的識別能力，對更加普遍的動作多樣的變化的識別能力有一定的限制。基于深度學(xué)習(xí)方法構(gòu)建深度網(wǎng)絡(luò)自動地提取特征是目前動作識別中值得關(guān)注的一個方向。
　　本文提出基于深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)模型，對動作識別進行了研究。首先，我們訓(xùn)練UCF101數(shù)據(jù)集學(xué)習(xí)一個深度雙流卷積神經(jīng)網(wǎng)絡(luò)模型并測試其性能，該模型包括空間流和時間流的深度卷積神經(jīng)網(wǎng)絡(luò)，空間網(wǎng)絡(luò)以視頻中的RGB圖像為輸入，從靜止圖像中捕

3、捉描述目標外觀的信息;時間網(wǎng)絡(luò)以光流圖為輸入，提取描述動作的運動信息。其次，本文提出了多階段訓(xùn)練深度卷積神經(jīng)網(wǎng)絡(luò)的方法，使用多個分類器聯(lián)合識別視頻中的動作。另外，本文利用支持向量機分類器對卷積網(wǎng)絡(luò)自動提取的特征進行分類，有效提高了識別的準確率。最后，我們使用遷移學(xué)習(xí)的方法在HMDB51數(shù)據(jù)集上進行動作識別。
　　本文提出的基于深度學(xué)習(xí)的動作識別算法在兩個基準的動作識別數(shù)據(jù)集上進行了驗證，實驗的結(jié)果表明本文提出的算法比已有的先進方法