基于深度学习的视频动作时空检测算法研究

发布时间：2022-02-13 04:21

　　近些年来,随着计算机视觉领域与深度学习算法的发展,基于深度学习的视频时空动作检测技术也逐渐成为研究热点。动作时空动作检测算法的目标在于检测视频中的人体动作,定位动作发生的空间位置和时间位置,并识别动作的种类,最终生成动作管（Action Tube）。本文围绕此目标,对现有基于深度学习的视频时空动作检测算法进行了研究,并针对时域提出了多种动作时域检测算法,同时也设计出一套完整的视频时空动作检测系统,提高了现有算法的运行速度与准确率。本文的主要工作及创新点如下:（1）本文提出了基于长时相关性的动作时域检测算法,旨在解决现有算法在定位动作时间位置时出现的耗时过长的问题。算法首先以视频的帧级图像为单位检测人体动作,检测动作的空间位置,并对动作进行分类。接下来,在帧级空间检测结果的基础上,算法基于长时相关性原理,进行时域动检检测,连接帧级结果并定位动作的时间位置。在基于长时相关性的动作时域检测算法中,帧级结果的连接不局限于邻接帧的连接,而是借鉴长时相关性原理,对待连接帧的选择范围在时间上进行了扩展。在UCF101数据集上的实验结果表明,本文提出的算法能有效提升算法的运行速度,同时还能提升动作时空... 

【文章来源】：北京邮电大学北京市211工程院校教育部直属院校

【文章页数】：85 页

【学位级别】：硕士

【部分图文】：

图２－１课题研究流程图??如图２－１所示，该算法的流程具体如下：??

方向梯度直方图（Ｈｉｓｔｏｇｒａｍ?ｏｆ?Ｏｒｉｅｎｔｅｄ?Ｇｒａｄｉｅｎｔ，?ＨＯＧ）是?Ｎａｖｎｅｅｔ?Ｄａｌａｉ??等人提出的描述符，可以提取人体的外观与运动特征，主要用于检测图像中的人??体。如图２－２所示，为ＨＯＧ算子提取特征的流程。??＾?检刺窗ａ??｜?归一化图像??ｉ．．．??计算梯度??；??对于每一个《１１块对梯度直方图??ｃｅｉｉ?—进行规定权重的投影??１?＾??对于每一个重Ｓｂｌｏｃｋ块内的ｃｅｌｌ??＞?．，?进行对比度归一化??ｂｌｏｃｋ?Ｗ?＼????＼?＼?＼?Ｉ??把所有ｂｉ〇ｃｋ块内的直方图向屋??＼一起组合成一个大的ＨＯＧ持征向置??图２－２?ＨＯＧ算子特征提取流程示意图??（１）

方向梯度直方图（Ｈｉｓｔｏｇｒａｍ?ｏｆ?Ｏｒｉｅｎｔｅｄ?Ｇｒａｄｉｅｎｔ，?ＨＯＧ）是?Ｎａｖｎｅｅｔ?Ｄａｌａｉ??等人提出的描述符，可以提取人体的外观与运动特征，主要用于检测图像中的人??体。如图２－２所示，为ＨＯＧ算子提取特征的流程。??＾?检刺窗ａ??｜?归一化图像??ｉ．．．??计算梯度??；??对于每一个《１１块对梯度直方图??ｃｅｉｉ?—进行规定权重的投影??１?＾??对于每一个重Ｓｂｌｏｃｋ块内的ｃｅｌｌ??＞?．，?进行对比度归一化??ｂｌｏｃｋ?Ｗ?＼????＼?＼?＼?Ｉ??把所有ｂｉ〇ｃｋ块内的直方图向屋??＼一起组合成一个大的ＨＯＧ持征向置??图２－２?ＨＯＧ算子特征提取流程示意图??（１）


本文编号：3622670