

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、人體行為識(shí)別是計(jì)算機(jī)視覺(jué)研究熱點(diǎn)之一,同時(shí)也是實(shí)現(xiàn)人工智能的重要手段,在運(yùn)動(dòng)分析、智能視頻監(jiān)控、人機(jī)交互、虛擬現(xiàn)實(shí)、醫(yī)療看護(hù)等領(lǐng)域都具有十分廣泛的應(yīng)用前景。
為了從海量視頻數(shù)據(jù)中自動(dòng)獲取與人體行為相關(guān)的信息,本文以機(jī)器學(xué)習(xí)領(lǐng)域最新方法——深度學(xué)習(xí)作為技術(shù)手段,著重研究深度學(xué)習(xí)中多尺度輸入數(shù)據(jù)、時(shí)空深度置信網(wǎng)絡(luò)的改進(jìn)以及不同的池化策略,并將所研究的深度學(xué)習(xí)框架應(yīng)用到人體行為識(shí)別中。具體如下:
1)針對(duì)現(xiàn)有深度學(xué)習(xí)方法輸
2、入局限于單一尺度數(shù)據(jù),而現(xiàn)實(shí)場(chǎng)景中目標(biāo)對(duì)象往往呈現(xiàn)尺度多樣性的這一實(shí)際,考慮到不同尺度間的信息交流,基于 Chen提出的ST-DBN模型,將時(shí)空Gabor濾波后形成3個(gè)不同尺度的數(shù)據(jù)作為ST-DBN模型不同通道的值,聯(lián)合學(xué)習(xí)多尺度的特征。在KTH數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明多尺度學(xué)習(xí)的特征要優(yōu)于單一尺度學(xué)習(xí)的特征。
2)針對(duì) Chen的ST-DBN模型采用空間信息優(yōu)先于時(shí)間信息的學(xué)習(xí)方式,并不適合于行為分析的情況,基于大量的運(yùn)動(dòng)分析
3、問(wèn)題中時(shí)間信息優(yōu)于空間信息這一先驗(yàn),改進(jìn)原始 ST-DBN模型為TS-DBN模型。實(shí)驗(yàn)結(jié)果表明,無(wú)論是單尺度還是多尺度數(shù)據(jù)下的特征學(xué)習(xí),改進(jìn)后的TS-DBN模型的行為識(shí)別效果均優(yōu)于ST-DBN模型。
3)針對(duì)神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)容易出現(xiàn)過(guò)擬合的問(wèn)題,也為了提高行為特征的尺度不變性,提出了稀疏金字塔池化策略。該方法引入空間金字塔思想對(duì)空間域CRBM的池化輸出進(jìn)行多級(jí)擴(kuò)充,并采用重疊池化操作調(diào)整池化參數(shù),在一定程度上提高了池化方法的性能
4、。同時(shí)為了降低特征描述的復(fù)雜度,采用稀疏編碼從高層語(yǔ)義上進(jìn)行金字塔多級(jí)特征的融合。實(shí)驗(yàn)結(jié)果表明,稀疏的金字塔池化策略要優(yōu)于傳統(tǒng)的概率最大值池化策略,而且從寬度上進(jìn)行的網(wǎng)絡(luò)結(jié)構(gòu)拓展,其識(shí)別效果完全不亞于更深一層網(wǎng)絡(luò)結(jié)構(gòu)的識(shí)別結(jié)果。
4)基于前面三個(gè)方面的研究,分別在KTH數(shù)據(jù)庫(kù)和UCF體育數(shù)據(jù)庫(kù)上進(jìn)行了基于稀疏時(shí)空特征學(xué)習(xí)的行為識(shí)別應(yīng)用。實(shí)驗(yàn)結(jié)果表明基于深度學(xué)習(xí)方法可以自動(dòng)提取稀疏時(shí)空特征,獲得與人工設(shè)計(jì)特征相匹配的識(shí)別效果,而
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于視頻時(shí)空特征稀疏編碼表示的人體行為識(shí)別.pdf
- 基于時(shí)空特征和分層模型的人體行為識(shí)別研究.pdf
- 基于視頻局部時(shí)空特征的人體行為識(shí)別.pdf
- 基于時(shí)空局部特征的人體行為識(shí)別方法研究.pdf
- 基于組稀疏編碼的人體行為識(shí)別.pdf
- 基于局部時(shí)空特征的人體行為識(shí)別以及打架行為檢測(cè).pdf
- 基于時(shí)空興趣點(diǎn)的人體行為識(shí)別.pdf
- 基于時(shí)空興趣點(diǎn)的人體行為識(shí)別研究.pdf
- 基于局部時(shí)空共現(xiàn)特征的人體行為識(shí)別方法研究.pdf
- 基于加權(quán)光流特征和時(shí)空關(guān)聯(lián)模型的人體行為識(shí)別.pdf
- 基于步態(tài)壓力特征的人體行為識(shí)別.pdf
- 基于多特征融合的人體行為識(shí)別.pdf
- 基于多層特征融合的人體行為識(shí)別.pdf
- 基于時(shí)空興趣點(diǎn)的人體行為識(shí)別與預(yù)測(cè).pdf
- 基于時(shí)空興趣點(diǎn)的人體行為識(shí)別方法研究.pdf
- 基于多慢特征融合的人體行為識(shí)別研究.pdf
- 基于局部時(shí)空特征碼本的人體行為識(shí)別方法研究及實(shí)現(xiàn).pdf
- 基于形狀特征的人體行為識(shí)別方法研究.pdf
- 基于稀疏表示的人體步態(tài)識(shí)別算法研究.pdf
- 基于組稀疏和字典學(xué)習(xí)的人體行為識(shí)別方法.pdf
評(píng)論
0/150
提交評(píng)論