結合全局和局部特征的人體行為識別技術研究.pdf_第1頁
已閱讀1頁,還剩78頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、針對近些年來模式識別在計算機視覺領域的相關研究,越來越多的學者、互聯網公司愿意花高成本高代價投入到智能人體行為識別技術中來,可見對視頻中人體行為進行智能識別已經顯現出極高的學術價值和商業(yè)價值?,F階段的人體行為識別更多的還只停留在對簡單背景下人體的簡單肢體動作,比如走、跑、跳、彎腰、拍手等行為進行識別,當視頻場景中干擾因素太多,或者對識別的準確率和實時性有較高要求時,就目前提出的相關算法,往往不是太過單一,就是運算速度太慢,或者識別率太低

2、。
  行為識別的步驟大致分為行為特征提取,特征訓練和特征分類識別三步。本文在參考了大量國際論文和先進算法后,針對上述特征描述的有關問題,在特征提取階段,提出了一種全新的特征描述子——PE-Cuboid用來表征人體行為,將目前應用較廣泛的全局特征像素變化概率圖(PCRM)、邊緣方向直方圖(EOH)和局部特征立方體(Cuboid)描述子相結合,有效克服了在提取單一特征時所提取的特征不能完整表征人體行為的缺點;在訓練分類器階段,本文還

3、對比了多種機器學習方法,分別使用傳統(tǒng)的碼本(Codebook)和詞袋模型(bag-of-words),字典學習和稀疏編碼分別訓練得到行為特征描述,最后使用支持向量機(SVM)對行為特征描述序列打分識別,得分最高的即為識別結果。另外不同于傳統(tǒng)特征融合單純的疊加或平鋪特征,本文在融合混合特征時算法也有改進。
  本文算法通過Matlab進行仿真,對目前公開的KTH、Weizmann標準行為數據庫和本文自建測試行為視頻中均做了測試,并針

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論