基于迁移学习的跨领域行为识别研究

发布时间：2017-03-29 07:10

  本文关键词：基于迁移学习的跨领域行为识别研究，由笔耕文化传播整理发布。

【摘要】：行为识别是近些年计算机视觉的一个热门研究领域,受到很多学者的关注。行为识别可以应用在视频监控、视频检索、人机交互、军事、安防、医疗诊断、工业检测、交通管理、运动分析、生物学等众多领域,具有非常广阔的应用前景及经济价值。传统的分类方法通常需要保证测试样本和训练样本具有相同的分布,而且在训练样本充足的情况下才能训练出一个可靠的分类模型。对于一个训练样本数量较少的新的领域,传统的分类方法无法获得良好的分类模型。这就需要利用迁移学习的方法,通过相关源领域的知识来辅助目标领域提升分类系统的性能。但是,不同领域的数据通常具有不同的分布,因此需要通过从源领域中选取接近目标领域数据的样本,或者将不同领域数据的特征映射到同一个空间,才能进行下一步的分类训练。为了解决不同领域数据的特征分布不同的问题,本文提出了基于协同矩阵分解联合拉普拉斯正则项的跨领域行为识别方法。首先,利用协同矩阵分解技术将源领域和目标领域数据的特征映射至一个共同的潜在的语义空间,然后为了使语义表示更具鉴别能力,通过利用领域间的标签一致性以及每个领域的局部结构信息,增加了拉普拉斯正则项。该算法在获得语义空间的同时,也能学习到两个线性映射矩阵以及一个线性分类器。对于一个测试样本,可以通过相应的线性映射矩阵直接得到其语义表示,并通过线性分类器获得其类别信息。为了验证算法的性能,实验选取UCF-101数据集作为目标领域,HMDB51数据集作为源领域,实验结果验证了所提出方法的有效性。
【关键词】：行为识别 迁移学习 协同矩阵分解 拉普拉斯正则项 分类器
【学位授予单位】：安徽大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要3-4
• Abstract4-8
• 第一章 绪论8-14
• 1.1 课题研究背景及意义8-9
• 1.2 课题的研究现状9-11
• 1.2.1 国外研究现状9-10
• 1.2.2 国内研究现状10-11
• 1.3 本文研究内容与组织结构11-14
• 1.3.1 本文研究内容11-12
• 1.3.2 本文组织结构12-14
• 第二章 行为识别方法研究14-26
• 2.1 引言14
• 2.2 行为识别的特征提取及表示14-19
• 2.2.1 全局特征15-17
• 2.2.2 局部特征17-19
• 2.3 行为识别的方法19-24
• 2.3.1 直接分类法19-20
• 2.3.2 状态空间法20-21
• 2.3.3 字典学习方法21-24
• 2.4 行为识别过程中的难点问题24-25
• 2.5 本章小结25-26
• 第三章 迁移学习26-34
• 3.1 引言26-27
• 3.2 迁移学习的划分27-29
• 3.3 迁移学习的三种方法29-33
• 3.3.1 基于实例的迁移学习方法29-30
• 3.3.2 基于特征选择的迁移学习方法30-31
• 3.3.3 基于特征映射的迁移学习方法31-33
• 3.4 本章小结33-34
• 第四章 基于协同矩阵分解联合拉普拉斯正则项的跨领域行为识别算法34-48
• 4.1 引言34-35
• 4.2 CMFGLR算法35-40
• 4.2.1 重建误差35-36
• 4.2.2 线性映射误差36
• 4.2.3 拉普拉斯正则项36-38
• 4.2.4 分类误差38
• 4.2.5 整体目标函数38-40
• 4.3 数据集介绍40-42
• 4.4 实验结果与分析42-47
• 4.5 本章小结47-48
• 第五章 总结与展望48-50
• 5.1 总结48-49
• 5.2 展望49-50
• 参考文献50-55
• 致谢55-56
• 攻读硕士学位期间发表的论文和参加的科研项目56

【相似文献】

中国期刊全文数据库 前10条

1 李宁;须德;傅晓英;袁玲;;结合人体运动特征的行为识别[J];北京交通大学学报;2009年02期

2 张伟东;陈峰;徐文立;杜友田;;基于阶层多观测模型的多人行为识别[J];清华大学学报(自然科学版);2009年07期

3 吴联世;夏利民;罗大庸;;人的交互行为识别与理解研究综述[J];计算机应用与软件;2011年11期

4 申晓霞;张桦;高赞;薛彦兵;徐光平;;一种鲁棒的基于深度数据的行为识别算法[J];光电子.激光;2013年08期

5 郑胤;陈权崎;章毓晋;;深度学习及其在目标和行为识别中的新进展[J];中国图象图形学报;2014年02期

6 曾青松;余明辉;贺卫国;李玲;;一种行为识别的新方法[J];昆明理工大学学报(理工版);2009年06期

7 谷军霞;丁晓青;王生进;;基于人体行为3D模型的2D行为识别[J];自动化学报;2010年01期

8 李英杰;尹怡欣;邓飞;;一种有效的行为识别视频特征[J];计算机应用;2011年02期

9 王新旭;;基于视觉的人体行为识别研究[J];中国新通信;2012年21期

10 王忠民;曹栋;;坐标转换在移动用户行为识别中的应用[J];北京邮电大学学报;2014年S1期

中国重要会议论文全文数据库 前7条

1 苗强;周兴社;於志文;倪红波;;一种非觉察式的睡眠行为识别技术研究[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

2 齐娟;陈益强;刘军发;;基于多模信息感知与融合的行为识别[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

3 方帅;曹洋;王浩;;视频监控中的行为识别[A];2007中国控制与决策学术年会论文集[C];2007年

4 黄紫藤;吴玲达;;监控视频中简单人物行为识别研究[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

5 安国成;罗志强;李洪研;;改进运动历史图的异常行为识别算法[A];第八届中国智能交通年会优秀论文集——智能交通与安全[C];2013年

6 王忠民;曹栋;;坐标转换在移动用户行为识别中的应用研究[A];2013年全国通信软件学术会议论文集[C];2013年

7 刘威;李石坚;潘纲;;uRecorder:基于位置的社会行为自动日志[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

中国重要报纸全文数据库 前4条

1 李晨光;导入CIS要注意什么？[N];河北经济日报;2001年

2 农发行鹿邑支行党支部书记 行长 刘永贞;发行形象与文化落地农[N];周口日报;2007年

3 东林;行为识别新技术让监控没有“死角”[N];人民公安报;2007年

4 田凯　徐蕊 李政育 信木祥;博物馆安全的国际经验[N];中国文物报;2014年

中国博士学位论文全文数据库 前10条

1 邵延华;基于计算机视觉的人体行为识别研究[D];重庆大学;2015年

2 仝钰;基于条件随机场的智能家居行为识别研究[D];大连海事大学;2015年

3 冯银付;多模态人体行为识别技术研究[D];浙江大学;2015年

4 姜新波;基于三维骨架序列的人体行为识别研究[D];山东大学;2015年

5 韩姗姗;基于视觉的运动人体特征描述与行为识别研究[D];浙江工业大学;2015年

6 何卫华;人体行为识别关键技术研究[D];重庆大学;2012年

7 吴秋霞;复杂场景下的人体行为识别[D];华南理工大学;2012年

8 于成龙;基于视频的人体行为识别关键技术研究[D];哈尔滨工业大学;2014年

9 王亮;基于判别模式学习的人体行为识别方法研究[D];哈尔滨工业大学;2011年

10 付朝霞;基于视频流的人体目标检测与行为识别研究[D];中北大学;2013年

中国硕士学位论文全文数据库 前10条

1 唐小琴;基于全局和局部运动模式的人体行为识别研究[D];西南大学;2015年

2 胡秋扬;可穿戴式个人室内位置和行为监测系统[D];浙江大学;2015年

3 陈钰昕;基于时空特性的人体行为识别研究[D];燕山大学;2015年

4 任亮;智能车环境下车辆典型行为识别方法研究[D];长安大学;2015年

5 金泽豪;并行化的人体行为识别方法研究与实现[D];华南理工大学;2015年

6 王呈;穿戴式多传感器人体日常活动监测系统设计与实现[D];南京理工大学;2015年

7 王露;基于稀疏时空特征的人体行为识别研究[D];苏州大学;2015年

8 于静;基于物品信息和人体深度信息的行为识别研究[D];山东大学;2015年

9 章瑜;人体运动行为识别相关方法研究[D];南京师范大学;2015年

10 赵扬;家庭智能空间下基于行走轨迹的人体行为理解[D];山东大学;2015年

  本文关键词：基于迁移学习的跨领域行为识别研究，由笔耕文化传播整理发布。

，

本文编号：273901