基于多超图联合学习的动作识别研究

发布时间：2020-08-15 17:19

【摘要】：基于视觉的动作识别一直是计算机视觉领域的热点问题。早期基于彩色图像的动作识别方法,当光照条件发生变化时,彩色图像的质量会受到影响,动作识别的准确率也会下降。相比于彩色图像,深度图像对于光照条件的变化不敏感,并且可以提供额外的三维几何信息,对于运动特征的提取尤为重要。近年来,人们基于深度信息设计或学习得到了许多优秀的动作特征,它们之间存在相关性和互补性,较好地融合多种动作特征,能有效地提升动作识别的准确率。超图模型在刻画数据对象高阶相关性上有其独有的优势。因此,本文提出了一种多超图联合学习算法,来解决基于深度信息的动作识别中多特征融合的问题。首先,以动作序列作为超图的顶点,提出了一种基于置信度传播的超边构造方法。具体地,以超图的每个顶点为中心顶点,利用所有顶点之间的距离关系,构造全局能量函数,通过最小化全局能量函数决定哪些顶点与中心顶点属于同一条超边。以此构造的超边大小灵活,对于顶点之间高阶相关性的刻画更加准确。然后,提出一种超图联合学习算法。在学习动作序列类别的同时,对超边的权重进行优化。并且将超图联合学习算法拓展应用到多超图融合的框架中,进一步提出一种多超图联合学习算法,在学习动作序列类别时,同时优化每个子超图中超边的权重以及子超图融合的权重,从而在最优的超图结构上实现多超图融合,达到多种动作特征融合分类的目的。为了验证所提出算法的性能,本文在4个公开的动作识别数据集上进行了实验,分别是MSRGesture3D、MSRAction3D、MSRActionPairs和大规模的NTU RGB+D数据集。在与其他先进算法的对比中,所提出的多超图联合学习算法均取得了更好的识别效果。对于算法中的两个关键点,基于置信度传播的超边构造方法和优化超边权重的超图联合学习算法,本文同样通过实验验证了它们各自的贡献。最后,本文还针对多超图联合学习算法中的主要参数进行了详细的讨论。
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;TP181
【图文】：

2 国内外研究现状研究工作主要涉及动作识别、超图学习两个领域。具体地，首理论与方法对动作序列提取多种动作特征，然后基于超图学习相多个超图模型，并对多个超图模型融合分类。因此，本章将从基别、超图构造与超图学习两个方面来介绍国内外的研究现状。于深度信息的动作识别深度信息的动作识别问题中，动作特征提取和分类算法是两个重力的动作特征是准确地识别动作的前提，而高精度的分类算法则据深度信息表达方式的不同，基于深度信息的动作识别方法可以于深度图像序列的方法和基于骨架序列的方法。

图 2-2 普通图模型与超图模型[35]习算法的应用主要包括两个部分。第一部分是待处理的数据对超图模型，包括顶点、超边的构造以及超边权重的设定。第二型上，采用基于超图的学习算法对超图进行分割，利用分割结等目的。构造图G ，它的结构包括三部分，即顶点集合V ，超边集合E 和超 E都是顶点集合V 的一个子集，并且拥有非负的权重 w( e )。顶点往往对应待处理的数据对象，因此超图结构的构造主要分重的设计两个部分。超边构造方法可以分为三类。第一类是基于特征的方法，这类心顶点，然后在特征空间中寻找中心顶点的邻近顶点，将每个

图 2-3 三种超边权重计算方式：(a)单纯形体积，(b)散布矩阵的迹，(c)局部线性重构误差[51]2.2.2 超图学习超图学习方法主要可以分为两大类。第一类方法是先将超图模型转化为普通的图模型，然后用传统的谱聚类方法对图模型进行分割，从而得到对应的超图分割的结果。这类方法中具有代表性的有星形扩张（StarExpansion）[53]，团扩张（CliqueExpansion）[54]、团平均（Clique Averagin）[55]。其中，星形扩张算法是对每条超边都假定一个伪顶点，然后将该超边上的所有顶点都与伪顶点相连，于是超图结构就转化为了普通图结构；团扩张算法和团平均算法比较类似，都是通过把超边看作全联通子图的方式将超图结构转化为普通图结构，而两者只是在超边的权重处理上略有不同。第二类方法是将普通图的拉普拉斯（Graph Laplacian）拓展应用到超图中，得到超图拉普拉斯（Hypergraph Laplacian），然后在超图拉普拉斯的基础上，求解超图的最优分割，代表性的方法有周氏标准化拉普拉斯[52]。文献[55]中还验证了，上述两类超图

【相似文献】

相关期刊论文 前10条

1 李婷婷;张霞;;均衡的完全3-部3-一致超图的单色放松路划分[J];山东师范大学学报(自然科学版);2019年02期

2 于德玉;吉日木图;;关于信息超图一些基本概念的注记[J];内蒙古民族大学学报(自然科学版);2017年02期

3 吴];;解析超图软件“三创”[J];软件和集成电路;2016年Z1期

4 冷明;孙凌宇;朱平;李金忠;;赋权超图划分问题的多水平迁移优化算法研究[J];小型微型计算机系统;2016年06期

5 鄢仁政;李薇;;一致超图谱半径界的改进结果[J];纯粹数学与应用数学;2014年06期

6 王雅;;r一致B-混合超图可着色的最大边数[J];考试周刊;2015年85期

7 段潇潇;朱潇;刁科凤;;给定色可行集的极大混合超图[J];曲阜师范大学学报(自然科学版);2014年02期

8 唐正华;闫清东;冷韶华;刘毅;;超图建模法及其在车辆传动系统中的应用[J];汽车工程;2013年04期

9 董晓光;李国全;;具有固定匹配数的极值k-部k-一致超图的结构[J];天津师范大学学报(自然科学版);2013年03期

10 赵二岭;;四元超图的模型及其性质[J];江汉大学学报(自然科学版);2012年02期

相关会议论文 前7条

1 刘强;方锦清;李永;;4种类型超网络模型构建方法[A];中国原子能科学研究院年报 2013[C];2014年

2 黄骞;;时空大数据与安全生产应急应用展望[A];中国安全生产协会信息化工作委员会2016年委员会议、中国煤炭学会计算机通讯专业委员会2016年委员会议暨“互联网+安全生产”专题技术交流会会议交流资料[C];2016年

3 郝忠孝;刘永山;刘国华;;对应于关系模式的微超图及某些性质[A];第十届全国数据库学术会议论文集[C];1992年

4 张港;邱惠昌;孟繁辉;郝彬;;超图组件式地理信息系统平台在全天候实时监控系统中的应用[A];第二十七届中国（天津）2013IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2013年

5 江涛;钱旭;;基于有向超图的最优学习空间[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年

6 崔伟宏;史文中;李小娟;;基于特征的时空数据模型研究及在土地利用变化动态监测中的应用[A];全国地图学与GIS学术会议论文集[C];2004年

7 卢秉武;;基于图文一体化的海事综合管理信息系统研究[A];中国航海学会航标专业委员会测绘学组学术研讨会学术交流论文集[C];2006年

相关重要报纸文章 前10条

1 特约记者 张棣;中国超图软件携手法国达索系统[N];中国自然资源报;2019年

2 记者 祁豆豆;刚挂新三板即被围猎 国图信息4.68亿“卖身”超图软件[N];上海证券报;2016年

3 记者 赵一蕙;超图软件业绩快报“失准”逾20%[N];上海证券报;2013年

4 栾玲　赵培;超图软件：中国“智”造的跨国软件企业[N];中国高新技术产业导报;2010年

5 本报记者 解佳涛　戈清平;超图软件：做“中国智造”的跨国软件企业[N];中国高新技术产业导报;2010年

6 本报驻东京记者 吴仲国;中国软件在日本叫响知名品牌成市场宠儿[N];科技日报;2002年

7 证券时报记者 吴中珞;超图软件信披创新 微博释疑股吧发帖详解年报延期[N];证券时报;2011年

8 栾玲　赵培;超图软件：做GIS领军人[N];中国高新技术产业导报;2011年

9 本报记者 郑燃;超图软件：让应急事件避免盲人摸象[N];政府采购信息报;2011年

10 记者 魏梦杰　见习记者 赵晓琳 编辑 邱江;超图软件上半年主营净利不足百万[N];上海证券报;2010年

相关博士学位论文 前10条

1 苏莉;超图的匹配多项式及其在谱超图理论中的应用[D];上海大学;2019年

2 刘乐乐;张量与超图谱的研究[D];上海大学;2019年

3 陈平鸽;超图的拉格朗日与Turán数[D];湖南大学;2018年

4 李姗;超图的匹配数和控制数及其相关极值超图刻画[D];上海大学;2018年

5 刘博源;图和超图的嵌入及其相关问题的研究[D];中国科学技术大学;2019年

6 李瞳;图的染色标号问题及超图中的彩色匹配[D];山东大学;2019年

7 王兵;边染色超图的划分和覆盖问题研究[D];华东师范大学;2018年

8 吉日木图;图的标号及超图分解问题研究[D];大连理工大学;2006年

9 王琦;网络中的超图嵌入问题[D];山东大学;2007年

10 冯_";3-设计及若干应用[D];北京交通大学;2008年

相关硕士学位论文 前10条

1 程驰;基于多超图联合学习的动作识别研究[D];华中科技大学;2019年

2 王晖;超图软件高溢价并购国图信息动因及效果研究[D];东华大学;2019年

3 李婷婷;超图的多色染色和单色路划分问题研究[D];山东师范大学;2019年

4 张庆云;图与超图的分解及其大集问题[D];华北电力大学(北京);2019年

5 黄维雪;融合视觉显著性与超图的图像检索算法研究与实现[D];北京交通大学;2019年

6 周君;基于优化张量的超图匹配算法研究[D];北京交通大学;2019年

7 刘雷;基于异构超图的多元关系排序研究[D];大连理工大学;2019年

8 周勇;基于超图的自适应数学形态学研究与应用[D];西安电子科技大学;2019年

9 彭瑶;基于超图的多模态特征选择及分类方法研究[D];南京航空航天大学;2019年

10 许璐;基于超图局部保持投影算法及其在叶片图像分类的应用[D];厦门大学;2018年

本文编号：2794414