基于特征属性的人体行为检测与识别研究

发布时间：2023-02-13 18:15

　　随着视频监控、智能家居和智能驾驶等领域的高度发展,人体行为检测与识别展现出庞大的市场需求和极大的科研价值。实际应用中,视频的拍摄角度、背景光线、人体特征的多变性与人体各行为间的联系等诸多因素,使得基于特征属性的人体行为检测与识别成为研究人员关注的重点。本文提出了一种基于特征提取的偶见动作行人检测的方法,针对因行人肢体动作过大,如弯腰、蹲下等导致识别率降低的问题,弥补了现有技术的不足,在行人数据上进行测试分析,并采用其他方法再度实验对比,使得该方法的有效性得到了充分的证明。提出了一种基于张量的图匹配行为识别方法,考虑到空间和时间复杂性的问题,首先从原始视频中提取特征,经过一定的处理,形成高阶特征描述符;利用提取的高阶特征进行学习训练,通过学习算法实现分类并在公开的行为数据上进行测试,实验结果验证了该方法的有效性。提出了一种基于特征学习图匹配的行为识别方法,该方法的关键是学习类模型图,从而完成匹配识别。结合结构化支持向量机和中层SIFT特征进行学习,并在KTH和UCF50行为数据集上进行了实验,同时选取不同的算法进行实验分析对比。统计结果表明此方法的识别性能突出,验证了基于特征学习图匹配的...

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
专用术语注释表
第一章 绪论
    1.1 选题背景及意义
    1.2 相关技术研究现状
        1.2.1 行人检测研究现状
        1.2.2 行为识别研究现状
    1.3 本文的内容结构
第二章 行人检测与行为识别数据集
    2.1 行人检测数据集
    2.2 行为识别数据集
第三章 基于特征属性的偶见动作行人检测
    3.1 引言
    3.2 特征提取
        3.2.1 图像预处理
        3.2.2 HOG特征提取
    3.3 SVM训练
    3.4 实验结果与分析
        3.4.1 创建标准数据集
        3.4.2 实验与结果分析
    3.5 本章小结
第四章 基于高阶特征图匹配的行为识别方法
    4.1 引言
    4.2 特征提取
        4.2.1 预处理
        4.2.2 SIFT特征描述
        4.2.3 高阶特征描述行为特征
    4.3 基于高阶特征图匹配的识别算法
    4.4 实验结果与分析
        4.4.1 UT-Interaction数据
        4.4.2 实验结果
    4.5 本章小结
第五章 基于特征学习图匹配的行为识别方法
    5.1 引言
    5.2 行为特征的中层表示
    5.3 中层行为特征学习匹配
        5.3.1 学习特征图模型
        5.3.2 基于图匹配的识别算法
    5.4 实验结果与分析
        5.4.1 KTH行为数据集
        5.4.2 实验结果
    5.5 本章小结
第六章 总结与展望
    6.1 本文总结
    6.2 研究工作展望
参考文献
附录 攻读硕士学位期间申请的专利
致谢



本文编号：3742068