基于互相关融合和判别滤波的动物动作识别算法研究

发布时间：2022-12-10 15:00

　　动物行为分析是生物学和计算机科学交叉的重要研究方向,其主要通过利用计算机视觉和人工智能技术来自动化地分析动物身体、关节等部位的行为。作为动物行为分析中的重点,动物视频行为识别需要提取出视频中的动作序列的关键视觉特征,然后通过机器学习和深度学习等算法来学习目标动作的时空信息,从而完成对目标动作的视觉内容理解和模式识别。本文面向视频信息中时空动作特征的理解和分析,主要研究其中涉及的视频行为识别算法。针对目前主流行为识别算法中,传统双流网络无法学习非局部时空依赖关系的缺陷以及单流网络在判别关键区域的识别能力的不足,分别提出了互相关融合网络和判别滤波网络。本文的主要研究和工作如下:1.针对传统双流网络无法进行非局部的特征融合的缺陷,提出了基于互相关双流融合网络的动作识别算法。双流网络通过学习图像静态信息和光流运动信息分别得到空间特征和时序特征,并使用后融合结合两者输出从而提高动作识别性能,然而后融合的方式无法学习到这两种特征的非局部依赖关系,即不同区域的“物体”和“动作”的特征关系。本文提出的互相关网络通过引入互相关矩阵来计算两种特征之间的全局响应值,从而可以捕获非局部的时空依赖关系,最后在U... 

【文章页数】：89 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景和意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 研究内容及目的
    1.3 全文结构
    1.4 本章小结
第2章 行为识别现状
    2.1 引言
    2.2 视频动作识别算法
        2.2.1 基于手工特征的传统方法
        2.2.2 基于深度学习的动作识别算法
    2.3 动物行为分析
        2.3.1 基于传统方法的行为分析系统
        2.3.2 基于深度学习的行为分析系统
    2.4 精细目标识别算法
        2.4.1 基于端到端编码的精细目标识别算法
        2.4.2 基于定位-识别的精细目标识别算法
    2.5 本章小结
第3章 基于互相关融合的双流行为识别算法
    3.1 引言
    3.2 互相关融合的双流行为识别算法概述
    3.3 双流神经网络架构
        3.3.1 时序分割网络
        3.3.2 三维卷积神经网络
    3.4 互相关融合网络架构
        3.4.1 互相关融合模块
        3.4.2 互相关融合网络
    3.5 实验与分析
        3.5.1 数据集
        3.5.2 评价指标
        3.5.3 实现细节
        3.5.4 空间流实验结果
        3.5.5 时序流实验结果
        3.5.6 大鼠行为后融合实验结果
        3.5.7 互相关双流融合实验结果
        3.5.8 可视化分析
        3.5.9 算法优缺点
    3.6 本章小结
第4章 基于判别滤波网络的动物精细行为识别
    4.1 引言
    4.2 判别滤波动作识别算法概述
    4.3 判别滤波网络架构
        4.3.1 空间-通道自适应注意力卷积核模块
        4.3.2 判别滤波网络
    4.4 实验与分析
        4.4.1 果蝇幼虫数据集
        4.4.2 实现细节
        4.4.3 判别滤波实验结果与分析
        4.4.4 可视化分析
    4.5 本章小结
第5章 总结与展望
    5.1 本文工作总结
    5.2 未来研究展望
参考文献
攻读硕士学位期间主要的研究成果
致谢


【参考文献】：
期刊论文
[1]2019 IEEE计算机视觉与模式识别会议（英文）[J].   智能系统学报. 2018(06)
[2]行者HAM西游记[J]. 李欣（BG9CBY）,BG9AUY,BG9BYK,BG9BUS.  现代通信. 2010(01)



本文编号：3716964