基于局部特征描述的视频人体动作识别方法研究

发布时间：2017-09-16 16:46

  本文关键词：基于局部特征描述的视频人体动作识别方法研究

  更多相关文章： 视频内容分析 人体动作识别 判别性区域 视觉显著性

【摘要】：近年来,由于互联网及数码设备的日益普及,视频的内容分析和处理受到各界的广泛关注。其中,基于视频的人体动作识别方法在近年来被广泛应用于各个领域,成为热门的研究方向。但是该领域在技术发展的过程中还存在着很多的挑战,比如人体动作的自由度较大、拍摄的背景环境差异、相机的移动和缩放、拍摄角度变化、视频中的噪声和遮挡等等,都会对识别的准确性造成影响。针对现有的视频人体动作识别方法存在的各种问题,本文对基于局部特征描述的视频人体动作识别方法进行了研究,通过提取视频的判别性区域及一种中层的视频表示方法来提高识别的准确率。首先,本文阐述了视频人体动作识别的方法,包括基于全局特征描述的视频表示方法和基于局部特征描述的视频表示方法,同时对基于局部特征描述的视频表示方法的流程和常用技术进行了详细说明,并分析了目前常用方法的优点和存在的不足。其次,本文提出了一种基于判别性超体素的人体动作识别方法。该方法通过一个预训练的过程,比较本类动作与其他类动作在这些视频区域上的不同,提取出对本类有判别作用的视频区域作为感兴趣区域,同时基于判别性超体素对视频进行描述。本方法针对人体动作识别领域面临的类内与类间差距的问题,能扩大类间差距,缩小类内差异。同时对复杂背景等干扰不敏感。此后,本文在多个常用的视频库上进行实验,并与近年来国际上的经典方法进行比较,实验结果表明本文的方法有较高的识别准确率。最后,本文提出了基于视觉注意的人体动作识别方法,进一步确定感兴趣区域。同时,为了解决视频中出现的缩放问题,本文还提出了通过视频的多层过分割来对视频进行表示的方法。实验结果表明,本方法能够达到更高的识别准确率,并且对视频的缩放不敏感。
【关键词】：视频内容分析 人体动作识别 判别性区域 视觉显著性
【学位授予单位】：北京工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-15
• 1.1 研究背景和意义9
• 1.2 研究现状和挑战9-12
• 1.3 本文的研究内容和主要贡献12
• 1.4 课题来源12
• 1.5 本文结构12-15
• 第2章 视频人体动作识别方法概述15-25
• 2.1 基于全局特征描述的表示方法15-16
• 2.2 基于局部特征描述的表示方法16-23
• 2.2.1 词袋模型17-19
• 2.2.2 感兴趣点检测19-21
• 2.2.3 视频表示21-22
• 2.2.4 分类模型22-23
• 2.3 本章小结23-25
• 第3章 基于视频判别性超体素的人体动作识别25-45
• 3.1 基于视频判别性超体素的人体动作识别方法25-27
• 3.2 基于判别性超体素的感兴趣区域检测27-32
• 3.2.1 视频过分割27-28
• 3.2.2 超体素表示28-29
• 3.2.3 判别性超体素提取29-32
• 3.3 基于判别性超体素的视频表示32-33
• 3.4 χ~2核SVM分类模型33
• 3.5 基于判别性超体素的人体动作识别方法实验结果33-44
• 3.5.1 数据集介绍33-36
• 3.5.2 评价指标36-37
• 3.5.3 参数选择37-39
• 3.5.4 对比实验与分析39-44
• 3.6 本章小结44-45
• 第4章 融合多层过分割和视觉显著性的人体动作识别45-57
• 4.1 融合多层过分割和视觉显著性的人体动作识别方法45-47
• 4.2 多层过分割及视频的表示47-49
• 4.3 融合视觉显著性的判别性区域检测方法49-53
• 4.3.1 视觉显著性49-50
• 4.3.2 显著图计算方法50-52
• 4.3.3 显著度加权计算判别度52-53
• 4.4 融合多层过分割和视觉显著性的人体动作识别方法实验结果53-56
• 4.4.1 参数设置53-54
• 4.4.2 对比实验与分析54-56
• 4.5 本章小结56-57
• 结论57-59
• 参考文献59-65
• 攻读硕士学位期间的研究成果65-67
• 致谢67

，

本文编号：864266