基于相位一致性的行为识别和分类

基于相位一致性的行为识别和分类

论文摘要

近年来随着视频数据库的快速增长和视频监控系统的迅猛扩张,人工分析已经远远不能满足需要,因此急需能够对视频进行自动分析管理的技术。在视频分析技术中,对人体行为的识别和分类有着尤其广泛的应用前景。目前比较常用的方法基本是基于时空兴趣点的,但目前现有的几种时空兴趣点检测算法都存在两个重要的不足,首先是检测的响应受到光照强度变化的严重影响,其次是高斯滤波的应用降低了兴趣点定位的准确性。针对这两点,我们提出了全新的基于相位一致性的兴趣点检测算法和与之配套的兴趣点描述算法。为了提高兴趣点检测算法对光照强度的不变性和定位的准确性,本文提出了一种全新的基于相位一致性的时空兴趣点检测算法,将图像分析中的相位一致性算法扩展到了视频分析中。这一算法对于各类时空边缘都能够产生很强的响应,并且和现有的检测算法相比有两大优点,首先相位一致性是一个无量纲的相对量,因此对于亮度和对比度的变化具有更强的不变性;其次相位一致性算法没有使用任何的高斯滤波,因此对时空兴趣点的定位更加准确。为了提高特征描述算法的性能,我们提出了和检测算法相配套的基于相位一致性的特征描述算法。我们首先提出了确定时空兴趣点的时间尺度和平面尺度的方法,进而从时空兴趣点的周围提取出时空区域,在此基础上提出了全新的基于相位一致性的特征描述算法。相对于传统的基于视频灰度值的描述算法而言,本方法能够更好的捕捉视频中的结构信息和物体的运动,从而提高特征描述的性能和行为识别和分类的准确性。在识别和分类系统设计方面,本文阐述了选择Bag of words模型作为系统框架的依据,讨论了分类器的选择,研究了学习视频的选择和码书大小的设置。最后针对之前几章中的重点结论在KTH human motion dataset上进行了实验验证。实验表明:基于相位一致性的时空兴趣点检测算法具有良好的检测性能以及对光照和对比度的不变性,基于相位一致性特征描述算法的行为识别和分类系统具有很高的正确率。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 前言
  • 1.1 课题背景及概要
  • 1.2 论文内容安排
  • 第二章 时空兴趣点相关技术发展现状
  • 2.1 时空兴趣点检测算法发展现状
  • 2.1.1 现有的时空兴趣点检测算法介绍
  • 2.1.2 对目前现有的时空兴趣点检测算法的评价和总结
  • 2.2 时空兴趣点描述算法
  • 2.3 基于时空兴趣点的行为分类和识别系统
  • 2.4 本章小结
  • 第三章 基于相位一致性的时空兴趣点检测算法
  • 3.1 基于相位一致性的图像兴趣点检测算法
  • 3.2 基于相位一致性的时空兴趣点检测算法
  • 3.2.1 算法概述
  • 3.2.2 三维空间中滤波器的设计
  • 3.2.3 滤波器方向的选择和组合
  • 3.2.4 基于相位一致性的时空兴趣点检测算法的计算复杂度分析
  • 3.3 本章小结
  • 第四章 基于相位一致性的时空兴趣点描述算法
  • 4.1 提取时空立方体
  • 4.2 时空兴趣点聚类
  • 4.3 特征向量计算
  • 4.4 特征不变性的讨论
  • 4.5 本章小结
  • 第五章:基于时空兴趣点的行为识别和分类系统的设计
  • 5.1 BAG OF WORDS 模型
  • 5.2 分类器选择
  • 5.3 行为分类和识别系统中一些实现细节的讨论
  • 5.4 现有的基于时空兴趣点的行为识别和分类系统的局限性
  • 5.5 本章小结
  • 第六章:实验结果分析
  • 6.1 时空兴趣点检测
  • 6.2 时空兴趣点检测算法对光照和对比度的不变性
  • 6.3 基于相位一致性的特征描述算法
  • 6.4 基于相位一致性的行为识别和分类
  • 6.5 本章小结
  • 第七章:总结与展望
  • 7.1 总结
  • 7.2 展望
  • 参考文献
  • 致谢
  • 攻读硕士学位期间已发表或录用的论文
  • 上海交通大学硕士学位论文答辩决议书
  • 相关论文文献

    • [1].浅谈异常行为识别在我国民航中的应用[J]. 民航管理 2020(01)
    • [2].基于深度学习的人体行为识别算法[J]. 数学的实践与认识 2019(24)
    • [3].基于深度学习的实验鼠行为识别关键技术研究[J]. 佳木斯大学学报(自然科学版) 2020(02)
    • [4].风险驾驶行为识别及干预研究综述[J]. 汽车与安全 2020(03)
    • [5].基于深度学习的人体行为识别网络设计[J]. 中国科技信息 2020(10)
    • [6].基于深度学习的人体行为识别研究[J]. 高技术通讯 2020(05)
    • [7].舰船网络异常通信行为识别研究[J]. 舰船科学技术 2020(10)
    • [8].居家日常行为识别中基于SMOTE方法的数据不平衡问题研究[J]. 计算机产品与流通 2020(09)
    • [9].动态多视角复杂3D人体行为数据库及行为识别[J]. 数据采集与处理 2019(01)
    • [10].基于视觉的人体行为识别算法研究综述[J]. 计算机应用研究 2019(07)
    • [11].基于深度学习的人体行为识别技术研究[J]. 科技资讯 2019(29)
    • [12].人体行为识别研究[J]. 信息与电脑(理论版) 2017(24)
    • [13].人体行为特征融合与行为识别的分析[J]. 无线互联科技 2017(12)
    • [14].复杂场景下的人体行为识别研究新进展[J]. 计算机科学 2014(12)
    • [15].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)网络.预览 2009(07)
    • [16].基于局部时空模式的体育视频行为识别[J]. 吉林大学学报(理学版) 2020(02)
    • [17].基于深度学习卷积神经网络的人体行为识别研究[J]. 科技传播 2020(06)
    • [18].基于通道注意力机制的视频人体行为识别[J]. 电子技术与软件工程 2020(04)
    • [19].融合目标检测和人体关键点检测的铁路司机行为识别[J]. 计算机测量与控制 2020(06)
    • [20].基于图像分割的驾驶员分心行为识别研究[J]. 浙江科技学院学报 2020(03)
    • [21].视像行为识别的大数据分析与教学决策研究[J]. 工程技术研究 2020(12)
    • [22].深度视频中人体行为识别的图建模技术[J]. 福建电脑 2020(07)
    • [23].智能手机传感器的人体行为识别技术[J]. 西安邮电大学学报 2020(01)
    • [24].人体行为识别关键技术研究[J]. 中外企业家 2019(08)
    • [25].基于深度学习的教室人体行为识别模型设计[J]. 现代信息科技 2019(07)
    • [26].基于时空双流与局部融合网络的行为识别[J]. 工业控制计算机 2019(11)
    • [27].人体行为识别的数据库对比研究[J]. 中国科技信息 2017(17)
    • [28].基于光流的人体行为识别[J]. 电脑知识与技术 2013(07)
    • [29].基于视觉的人体行为识别研究[J]. 中国新通信 2012(21)
    • [30].基于智能视频监控的异常行为识别的方法[J]. 中外企业家 2020(01)

    标签:;  ;  ;  ;  

    基于相位一致性的行为识别和分类
    下载Doc文档

    猜你喜欢