日常行为识别的特征增强方法研究
本文选题：日常行为识别 + 行为特征强化 ； 参考：《大连海事大学》2017年硕士论文
【摘要】：如何从行为数据中提取好的刻画行为的特征信息是取得良好识别结果的关键。研究特征强化技术的根本目的在于:提高行为特征对行为的表达能力,从而改善行为识别的准确率。虽然现今强化行为特征的方法很多,但是大多不能凸显行为数据中具有的特性。再者,现在的研究者们把采集到的数值信息作为提取行为特征的唯一来源,而忽视了数值间的联系,没能将行为特征的表达能力发挥到极致。另外,绝大多数的行为特征构造方法涉及到过多的传感器状态信息,当数据采集者更换时就需要重新提取行为特征以及训练行为模型,使得行为特征对参与者十分敏感,且其可通用性较差。针对行为特征强化方法存在的问题,本文首先提出了基于传感器状态强化的日常行为识别方法发掘并强化行为特征的特性,克服了行为特征代表性不足的问题。其次,本文通过基于BoF时态原语强化的行为识别方法在行为特征中融入了时序因素,丰富了行为特征的内涵。另外,本文提出的基于时态原语的日常行为识别方法不仅解决了对参与者数据依赖性过强的问题,还为符号化的行为特征赋予了易于理解的物理意义,改善了行为表达与识别的效果。
[Abstract]:How to extract the characteristic information of describing behavior from behavior data is the key to obtain good recognition results. The basic purpose of the research on feature enhancement is to improve the expression ability of behavior features to improve the accuracy of behavior recognition. Although there are many ways to enhance behavior characteristics, most of them can not highlight the characteristics of behavior data. Furthermore, the present researchers regard the collected numerical information as the only source of extracting behavior characteristics, but ignore the relationship between the values, and fail to maximize the expression of behavior characteristics. In addition, most of the behavior feature construction methods involve too much sensor state information. When the data collector changes, it is necessary to reextract the behavior feature and train the behavior model, which makes the behavior feature very sensitive to the participants. And its versatility is poor. Aiming at the problem of behavior feature enhancement, this paper first proposes a new method based on sensor state enhancement to discover and enhance the behavior feature, which overcomes the problem that the behavior feature is not representative enough. Secondly, the behavior recognition method based on the reinforcement of the BoF tense combines the temporal factor into the behavior feature, which enriches the connotation of the behavior feature. In addition, the method of daily behavior recognition based on temporal primitives not only solves the problem of excessive dependence on participants' data, but also gives an easy-to-understand physical meaning for symbolic behavior features. It improves the effect of behavior expression and recognition.
【学位授予单位】：大连海事大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP212.9
【相似文献】
相关期刊论文 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
相关会议论文 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
相关重要报纸文章 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
相关博士学位论文 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 裴利沈;视频中人体行为识别若干问题研究[D];电子科技大学;2016年
7 周同驰;行为识别中基于局部时空关系的特征模型研究[D];东南大学;2016年
8 徐海燕;复杂环境下行为识别特征提取方法研究[D];东南大学;2016年
9 何卫华;人体行为识别关键技术研究[D];重庆大学;2012年
10 吴秋霞;复杂场景下的人体行为识别[D];华南理工大学;2012年
相关硕士学位论文 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
，本文编号：2018790
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2018790.html
