首页> 中文学位 >基于空时特征的视频内容人行为检测方法研究
【6h】

基于空时特征的视频内容人行为检测方法研究

代理获取

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 本文的创新性工作

1.4 本文的结构安排

第2章 基础理论介绍

2.1 特征提取

2.2 无监督聚类

2.3 BOVW模型

2.4 机器学习模型

2.5 本章小结

第3章 人行为检测相关理论及算法研究

3.1 空时兴趣点特征研究及分析

3.2 描述子研究及分析

3.3 现有方法存在的问题研究及分析

3.4 本章小结

第4章 基于空时轮廓滑动块梯度直方图的人行为识别方法

4.1人行为检测算法框架

4.2 特征提取

4.3 稀疏编码

4.4 视频稀疏表达

4.5 机器学习

4.6 本章小结

第5章 实验设计与结果分析

5.1 基于KTH数据库实验结果与分析

5.2 基于Weizmann数据库实验结果与分析

5.3基于UCF数据库实验结果与分析

5.4 本章小结

第6章 总结与展望

6.1 论文总结

6.2 工作展望

参考文献

致谢

攻读硕士学位期间发表或录用的论文

攻读硕士学位期间参加的课题与项目

展开▼

摘要

在日渐自动化与信息化的今天,多媒体已经成为我们日常生活中不可缺少的一部分,在教育,医疗,卫生,生产,交通等等各方面都离不开多媒体的参与。视频作为多媒体的一种形式越来越普遍,为了能够节省视频内容检索识别的时间,提高视频处理效率,很多研究人员致力于视频内容的研究,包括基于内容的视频分类,基于内容的视频摘要等。视频序列中的人体运动识别是一个很吸引人的并且很有挑战性的研究课题在计算机领域中,有着很广泛的应用,包括动作获取,人机融合,环境控制,视频摘要,安全监控以及运动和环境分析等。
  本文主要研究视频中的人行为识别,在视频特征提取,视频表达以及视频人行为识别模型方面均做出创新性贡献。首先在特征提取方面,本文提出一种空时轮廓滑动块梯度直方图特征描述子。这种新的特征描述子将视频看作一个三维立体块,其中人体边缘滑动过的区域看作一个空时轮廓面,每类动作所形成的三维轮廓类似,而不同动作形成的三维轮廓之间存在很大差异,通过检测三维轮廓的形状来预测动作类别。通过建立一系列密集重叠的滑动块形成三维轮廓滑动块梯度直方图来检测视频中人行为的三维轮廓,进而预测人行为类别。其次,在视频表达方面,本文将稀疏编码引入到视频人行为识别领域,采用稀疏编码后的向量作为新的特征描述子,并采用最大池方法构建视频描述子,该方法使得表征视频的特征向量具有很大程度的稀疏性,大大提高了算法效率。最后在视频人行为识别模型方面,本文提出了一套基于空时特征的视频内容能够人行为检测模型,该模型采用本文新提出的基于空时轮廓滑动块梯度直方图特征,并将稀疏编码和随机森林结合在一起,利用典型的BOVW模型来进行人行为识别。
  本文选择KTH(Kungliga Tekniska h(o)gskolan瑞典皇家理工学院)人行为数据库,Weizmann数据集,以及UCF体育动作数据集对提出的算法进行测试,实验结果显示采用三维空时轮廓面能够有效区分视频类别,本文提出的采用密集重叠的三维滑动块检测轮廓面方法准确有效,得到的特征描述子既包含了人体形状信息,又包含了人体部位的运动方向信息,从而准确识别出人体运动的类别。新提出的人行为识别模型在识别准确率上相比较同类其他算法有较大提升,性能良好。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号