行为识别中基于局部时空关系的特征模型研究

发布时间:2018-12-19 16:22
【摘要】:视频人体行为识别作为模式识别和计算机视觉领域的热点研究方向之一,在智能视频监控、人机交互、异常行为检测、视频检索等方面具有广泛的应用前景。行为识别研究的目的是利用现有的计算机技术使机器能够像人类一样具有识别、分析、理解以及预测人体行为的能力。视频人体行为识别技术尽管已取得了长足的进步与发展,但是,当前仍然面临如何高效、准确地获取、描述人体行为特征,进而学习特征之间的关系、融合特征以及行为建模等各个方面的问题。为了解决上述问题,我们以局部特征作为切入点研究人体行为模型的识别算法。总的来说,本文的研究内容和创新性工作总结如下:1)有效的局部特征和描述符由于成像设备的运动,基于跟踪兴趣点提取的局部特征包含了来自运动场景的不相关信息,同时单一模式的方向量化致使方向被误划分。针对这一问题,我们提出了跟踪相对运动点和多方向模式量化轨迹方向的行为模型。该方法采用超像素分割和能够抑制相机匀速运动的运动边缘检测器选择有效的轨迹起点。对于轨迹形状的表示,采用预定义的多重方向模式量化轨迹的方向信息,经过每个模式的量化,串联组合作为轨迹形状的描述符。在KTH(瑞典皇家理工学院)和UCF-sports行为数据库(美国University of Central Florida)上,实验结果证明,提取的相对运动点轨迹能够描述感兴趣对象的运动变化,多模式方向统计描述符增强了轨迹形状特征的鲁棒性。与相关文献的识别结果比较,选择轨迹起点提取的特征在MKL融合框架下获得了较好的识别性能。2)基于分层树结构字典的稀疏编码稀疏编码能够自适应地表示信号。然而,学习的字典缺少原子之间的关联,信号的相似性在编码后缺失。考虑到结构化稀疏表示的鲁棒性,我们提出了树结构的字典学习和编码方法。该方法以分层的方式,逐层学习字典原子,并建立上下层的子字典原子之间的关联。具体来说,以标准的字典学习为基础,凸优化算法引入数据点编码路径约束,即上层编码选择的字典原子索引规划下层字典选择的原子。实验结果表明,局部特征的稀疏表示具有较好的鲁棒性。在KTH数据库上,与其他相似文献的识别结果相比,基于树结构字典编码建立的行为模型获得了较好的识别结果,树结构的编码模型优于标准稀疏表示的方法。3)分层特征组的行为模型 在复杂的人体行为识别领域,空时关系在描述行为原型时显示出了较强的判别性。然而,在欧式距离度量下,采用不稳定的时空兴趣点构造组合特征如凝集统计、特征对等可能导致同类行为的描述符缺失语义意义和鲁棒性。针对这一问题,考虑人体运动具有层次化和结构性,在分层框架下我们提出了分层特征组的行为模型。该方法利用运动补偿和人体部位属性抑制运动场景信息,采用自适应尺度核的密度聚类算法产生人体部位特征。具体来说,运动补偿ROI后,依据人体运动部位的空域局部共生和时域持续的属性,选择时域差分的残差信息,之后采用自适应尺度核Mean-Shift密度聚类算法标定底层特征、学习人体部位的特征组。在人体部位表示的基础上,累积视频窄切片的视觉词响应描述人体对象。在基准的KTH和UCF-sports行为数据库上,实验表明基于特征组建立的行为模型增强了行为表示的判别能力,提高了识别性能。4)基于人体部位特征树的行为模型基于传统方法学习的时空内容缺乏语义意义和时间关系。针对这一不足,我们提出了不同时间分辨率人体部位之间的树结构关系模型。该方法采用超像素标定兴趣点,产生空域语义共生点集。在空域共生点集合的基础上,以递归的方式构建特征树。为了产生特征树的高层节点,采用图像块匹配的方法融合时间近邻的节点。基于超像素建立的共生域表示人体部位具有较好的灵活性。另外,通过图像块匹配关联时间近邻节点降低了点集合之间匹配的难度。在KTH、UCF-YT和HOHA行为数据库,实验证明学习的特征树模型能够建立人体部位之间的关系,提高了行为描述符的判别能力,同时在多核学习框架下获得了期望的识别结果。5)判别共生统计特征的概念特征对行为模型K-means量化局部特征容易产生较大的量化误差,同时传统的共生统计忽略了特征对的方向和相对距离信息。针对这些问题,在共生统计框架下我们提出了判别共生统计特征的概念特征对行为模型。为了学习概念特征,采用局部流形约束的稀疏子空间聚类算法量化STIPs。为了增强局部共生统计的判别性,特征对的方向和相对距离信息嵌入到概念特征对共生矩阵。另外,考虑到人体行为风格的多样性,多时间尺度时空体的内容信息被用来描述行为。在特征融合阶段,采用多核学习融合多时间粒度的共生统计和点特征的行为表示作为SVM分类器的最终输入。在KTH和UCF-sport行为数据库上,通过实验验证,与点特征行为模型相比,学习共生统计特征的概念特征对具有较好的判别能力,同时MKL组合特征在分类器SVM框架下获得了较好的识别性能。
[Abstract]:......
【学位授予单位】:东南大学
【学位级别】:博士
【学位授予年份】:2016
【分类号】:TP391.41

【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 何卫华;人体行为识别关键技术研究[D];重庆大学;2012年

9 吴秋霞;复杂场景下的人体行为识别[D];华南理工大学;2012年

10 于成龙;基于视频的人体行为识别关键技术研究[D];哈尔滨工业大学;2014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:2387165

资料下载
论文发表

本文链接:https://www.wllwen.com/shoufeilunwen/xxkjbs/2387165.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户e5bfc***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com