視頻序列中行為識別的研究是當前的一個研究熱點,應用前景廣闊,在醫(yī)療看護、視頻監(jiān)控、安保、視頻檢索以及運動分析等方面已經步入實用化。但由于視頻本身包含了豐富的信息,且實際應用場景下背景糟雜、視角多變以及行為本身的歧義性,行為識別的研究存在著諸多挑戰(zhàn),需要進一步的深入研究。 本文的主要工作圍繞著如何表示視頻中的行為展開,包含三個方面,一是研究從底層特征中提取中層特征表示問題;二是從行為相似的角度來研究行為的表示;三是從特征的統(tǒng)計分布出發(fā)研究特征的編碼表示方法?傊,基于手工設計的特征,本文從多個角度來改進底層特征的表示能力,進而提升分類識別性能
徐勤軍(1975.8~ ),男,山東新泰人,東南大學信息與通信系統(tǒng)專業(yè)博士,閩南師范大學講師,主持福建省自然科學基金(2018J01552),福建省教育廳科研項目(JA15309)各一項,研究方向為計算機視覺,模式識別。
目錄
章緒論................................................................................1
一、研究背景與意義......................................................................1
二、國內外研究現狀......................................................................5
(一)行為識別的特征表示.............................................................9
(二)分類識別方法.....................................................................21
三、視頻序列的行為識別建模的技術難點....................................30
四、行為識別視頻數據庫.............................................................33
(一)單人行為數據庫..................................................................34
(二)復雜行為數據庫..................................................................35
五、主要工作................................................................................39
六、本書組織結構........................................................................41
第二章概率隱含語義分析模型的行為識別研究.............................43
一、引言.......................................................................................43
二、主題模型在行為識別中的應用...............................................45
(一)主題模型............................................................................45
(二)主題模型在行為識別中的應用.............................................48
三、評估方法................................................................................50
(一)特征提取和表示..................................................................50
(二)特征編碼與歸一化..............................................................52
(三)PLSA模型設置....................................................................53
四、實驗結果與分析.....................................................................54
(一)KTH數據庫的實驗結果........................................................55
(二)UT-interaction數據庫的實驗結果.....................................61
五、結果分析與討論.....................................................................72
六、本章小結................................................................................74
第三章行為相似度識別的過完備稀疏方法....................................75
一、引言.......................................................................................75
二、相關研究................................................................................77
三、基于高斯混合模型的過完備稀疏方法....................................80
(一)特征提取............................................................................81
(二)高斯混合模型.....................................................................82
(三)字典學習與稀疏編碼...........................................................84
(四)概率加權的池化表示...........................................................85
四、實驗結果與分析.....................................................................87
(一)實驗設置............................................................................87
(二)參數選擇............................................................................87
(三)不同特征描述符的性能比較................................................90
(四)與主流算法的性能比較.......................................................92
(五)結果分析與討論..................................................................93
五、本章小結................................................................................98
第四章基于費舍爾向量和局域聚合描述符向量編碼的行為識別
方法....................................................................................100
一、特征編碼方法......................................................................100
二、費舍爾向量和局域聚合描述符向量編碼..............................104
(一)費舍爾向量編碼................................................................104
(二)局域聚合描述符向量編碼..................................................106
(三)單詞包、費舍爾向量和局域聚合描述符向量編碼的關系
...................................................................................................107
三、基于軟分配的局域聚合描述符向量編碼..............................108
四、聯合高階矩的費舍爾向量編碼.............................................110
五、實驗結果與分析...................................................................113
(一)實驗設置...........................................................................113
(二)主成分分析影響................................................................115
(三)基于軟分配的局域聚合描述符向量編碼的實驗結果............116
(四)聯合高階矩的費舍爾向量方法的實驗結果..........................119
(五)結果分析與討論................................................................124
六、本章小結..............................................................................126
第五章基于時空信息的超向量編碼行為識別方法.......................127
一、引言.....................................................................................127
二、基于時空信息的超向量編碼方法.........................................130
三、實驗結果與分析...................................................................133
(一)KTH數據庫上的實驗結果...................................................135
(二)UCFsports數據庫上的實驗結果.......................................137
(三)UCF101數據庫上的實驗結果..............................................139
(四)實驗結果分析....................................................................143
四、本章小結..............................................................................149
第六章總結與展望.........................................................................150
一、總結.....................................................................................150
二、展望.....................................................................................152
參加的科研項目和獲得的獎勵.........................................................154
參考文獻155