基于迁移学习的跨域人体行为识别研究

发布时间：2020-12-12 00:43

　　人体行为识别是计算机视觉研究与应用领域的重要课题,在医疗监护系统、智能家居系统、虚拟现实、人机交互系统、智能安防、基于内容的视频检索、运动员辅助训练系统等领域具有非常广阔的应用前景。在传统的行为识别模型框架中,通常要满足两个条件:(1)训练样本数量足够多,这样才有可能学习到一个良好的分类模型;(2)测试样本和训练样本具有相同的分布。但是,实际场景中往往无法满足这两个条件。一方面,随着大数据时代互联网的快速发展和深度学习技术的出现,视频数据量每天都在快速地增长,对海量视频数据进行人工标注,将会耗费大量的人力、物力和财力。另一方面,一些新兴模态的行为数据也不断涌现,如由不同环境(背景复杂度、光照、场景等)下采集到的视频、不同相机视角(正视、侧视、俯视等)采集到的视频、不同传感器采集到的视频(如可见光视频、热红外视频、包含深度信息视频等)、不同媒体类型的行为数据(如图像、视频、各种传感器采集到的运动数据等)。对于这些不同模态的视频,训练样本的采集难度差异较大,导致某些模态的训练样本数量匮乏,并且不同模态的视频间存在较大的分布差异。如果使用传统的分类方法进行跨域行为识别,即利用有限的训练样本在... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：136 页

【学位级别】：博士

【部分图文】：

人体行为识别应用场景智能安防视频检索运动辅助训练


本文编号：2911527