基于分层稀疏表示模型的人体姿态和行为相似性度量

发布时间：2017-09-22 11:33

  本文关键词：基于分层稀疏表示模型的人体姿态和行为相似性度量

  更多相关文章： 几何特征 稀疏表示 人体姿态识别 时空金字塔模型 行为识别

【摘要】：面向图像和视频的人体姿态和行为识别是计算机视觉和模式识别领域的重要研究内容。因运动人体的动作复杂性和数据采集过程带来的噪声、数据缺失、环境遮挡等因素,在人体姿态和行为识别的过程中通常会使用目标人体的姿态或行为与离线人体数据库中的数据进行相似性度量,通过数据库检索算法找到目标人体的最佳表示。因此,人体姿态和行为相似性度量对基于数据库检索的人体姿态和行为识别的准确性至关重要。传统的相似性度量以人体运动关节点位置获取姿态或行为特征并通过监督学习、无监督学习算法训练得到姿态相似性度量。但由人体运动关节点构成的人体姿态数据隐含不同层次的特征,例如头部、手部和腿部的位置反映了人的站、坐等粗略动作,而手部的上臂、下臂、手掌的位置则反映了人的挥拳、握手等细微动作。而传统的相似性度量对人体运动关节点不加区分进行特征表达,导致所学习的相似性度量对不同尺度的动作刻画不够准确。本文提出基于无监督的分层稀疏表示模型的人体姿态和行为相似性度量方法,通过最小化各个训练样本的整体特征和细节特征在训练集上进行分层稀疏表示的残差,学习得到更准确、更鲁棒的人体姿态和动作相似性度量。具体研究内容包括以下两部分。一、提出基于分层稀疏表示模型的人体姿态相似性度量。我们对视频中单帧的人体姿态使用关节点之间的几何关系构造人体姿态特征向量,然后根据人体骨架点描述人体姿态重要性的不同,将特征向量分为粗略特征和细节特征,构建以各训练样本在训练集上稀疏表示的总残差为目标函数,获取人体姿态相似性度量。通过在CMU Graphics Lab Motion Capture数据库上的实验结果表明,与基于高维特征的姿态相似性度量方法相比,我们的方法在精度和计算速度上都有提高。二、提出基于傅里叶时空金字塔模型的人体行为相似性度量,并应用于人体行为识别。我们通过人体的3D骨架点位置,利用傅里叶时空金字塔构造的人体行为特征向量,将不同行为类别的骨架点运动序列映射到傅里叶频率域的金字塔分层特征向量,再通过稀疏表示模型得到行为相似性度量。在MSR-Action3D数据库上的实验结果亦证明了我们提出的行为识别方法的有效性。
【关键词】：几何特征 稀疏表示 人体姿态识别 时空金字塔模型 行为识别
【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9-17
• 1.1 研究背景及意义9
• 1.2 国内外研究现状9-13
• 1.2.1 人体姿态识别研究10-11
• 1.2.2 人体行为识别研究11-13
• 1.3 论文的主要研究内容及目标13-14
• 1.3.1 研究目标13
• 1.3.2 研究内容13-14
• 1.4 论文的组织结构14-17
• 第2章 相似性度量以及行为识别理论17-31
• 2.1 引言17
• 2.2 相似性度量理论17-29
• 2.2.1 人体姿态的表示方法17-22
• 2.2.2 距离度量的相关理论22-29
• 2.3 行为识别理论29-30
• 2.3.1 人体行为的表示方法29
• 2.3.2 人体行为的识别方法29-30
• 2.4 本章小结30-31
• 第3章 基于分层稀疏模型的人体姿态相似性度量31-47
• 3.1 引言31
• 3.2 人体姿态骨架模型31-32
• 3.3 多尺度人体姿态特征向量的构成32-34
• 3.4 人体姿态相似性度量的学习34-37
• 3.5 实验过程37-44
• 3.5.1 数据准备37-39
• 3.5.2 评估标准39
• 3.5.3 实验结果39-44
• 3.6 本章小结44-47
• 第4章 基于傅里叶金字塔模型的人体行为相似性度量47-59
• 4.1 引言47
• 4.2 傅里叶时空金字塔特征模型47-51
• 4.3 人体行为相似性度量的学习51-53
• 4.4 基于相似性度量的行为识别53-58
• 4.4.1 相似性度量进行行为识别的方法53-54
• 4.4.2 实验过程54-58
• 4.5 本章小结58-59
• 结论59-61
• 参考文献61-65
• 攻读硕士学位期间发表的学术成果65-67
• 致谢67

【相似文献】

中国期刊全文数据库 前10条

1 韩贵金;朱虹;;一种基于图结构模型的人体姿态估计算法[J];计算机工程与应用;2013年14期

2 王浩;刘则芬;方宝富;陈金金;;基于约束树形图结构外观模型的人体姿态估计[J];计算机科学;2014年03期

3 苏延超;艾海舟;劳世z，

本文编号：900598