人物動(dòng)作識(shí)別的局部特征和生成模型研究.pdf

1、本文針對(duì)視頻中人體動(dòng)作識(shí)別和分類的需求,設(shè)計(jì)和實(shí)現(xiàn)了具有較高準(zhǔn)確率的人體動(dòng)作識(shí)別系統(tǒng)。在設(shè)計(jì)系統(tǒng)的過程中,我們分析和評(píng)估了近年來國內(nèi)外流行的動(dòng)作檢測和識(shí)別方法,在此基礎(chǔ)上提出了新的系統(tǒng)和處理實(shí)際應(yīng)用問題的方法;同時(shí)我們也進(jìn)行了系統(tǒng)配置優(yōu)化和執(zhí)行效率優(yōu)化方面的研究,并在公開的理論數(shù)據(jù)集和實(shí)際數(shù)據(jù)集上對(duì)系統(tǒng)進(jìn)行測試驗(yàn)證,以及和國際領(lǐng)先水平的研究成果進(jìn)行了比較。
　　本文主要工作包括以下幾個(gè)方面:
　　(1)設(shè)計(jì)并實(shí)現(xiàn)了模塊化的動(dòng)

2、作識(shí)別系統(tǒng),系統(tǒng)采用流水線結(jié)構(gòu),降低了各部分的耦合。低耦合設(shè)計(jì)使得各模塊內(nèi)部使用的算法可以進(jìn)行任意調(diào)整和組合,方便對(duì)單個(gè)算法和算法間的適用性進(jìn)行評(píng)估。同時(shí)保證了整個(gè)系統(tǒng)的設(shè)計(jì)具有可擴(kuò)展性,使后續(xù)的算法改進(jìn)和功能模塊添加非常方便。
　　(2)在算法設(shè)計(jì)方面,我們使用本系統(tǒng)評(píng)估了多種目前國際領(lǐng)先的領(lǐng)域成果,分析他們對(duì)動(dòng)作建模的方法和思路,以及不同方法在不同應(yīng)用場景下的優(yōu)勢和弊端。我們采用泛化能力較強(qiáng)的bag-of-words表示,對(duì)視

3、頻檢測時(shí)-空興趣點(diǎn),即沿著時(shí)間和空間方向局部變化最為明顯的點(diǎn),在這些點(diǎn)周圍提取局部時(shí)-空特征。時(shí)-空特征采用多種擴(kuò)展到三維(X軸、Y軸和時(shí)間軸)的局部特征方法,并對(duì)特征向量作聚類從而數(shù)量化表示,由此形成視覺詞匯,將一段視頻變換為一組視覺單詞的集合。形成bag-of-words表示之后,我們設(shè)計(jì)使用LDA主題模型提取每個(gè)視頻中的隱含主題,將視頻表示為主題上的分布。視頻之間的距離通過Bhattacharyya距離衡量,對(duì)于目標(biāo)視頻采用判別方

4、法實(shí)施最終的分類。
　　(3)對(duì)視頻的識(shí)別過程,我們將其分為單一視頻動(dòng)作分類和長視頻動(dòng)作檢測兩種需求,對(duì)于后者我們設(shè)計(jì)了基于滑動(dòng)窗口的高效的分割方法,令其轉(zhuǎn)化為第一類情況處理。
　　(4)我們將系統(tǒng)應(yīng)用于公開的人體動(dòng)作視頻集以檢驗(yàn)其表現(xiàn),實(shí)驗(yàn)表明在公開數(shù)據(jù)集上,我們的方法與當(dāng)前國際上最新領(lǐng)先的研究成果相比具有競爭力:在簡單數(shù)據(jù)集上我們的系統(tǒng)優(yōu)于所有bag-of-words方法,復(fù)雜數(shù)據(jù)集上在比目前國際最佳準(zhǔn)確率略低的情況下,