无约束视频的行为识别技术研究

摘要

视频中的动作识别具有非常重要的学术价值和应用前景,被广泛的应用于视频监控、视频检索等各个领域。本文主要是研究无约束视频的动作识别,这类视频中动作主体的身份、衣着,场景、光照、摄像机视角和运动、图像的分辨率和质量在相同动作的不同视频片段中都有变化。　　本文针对无约束视频的特点,对无约束视频的动作识别进行相关技术的研究。主要工作:提取帧间变化特征,并对该特征进行背景滤除、补偿摄像机运动的改进;提出了基于时空特征邻域的两层特征描述子;使用“词袋”模型进行建模, SVM分类器学习、识别。详细包括以下几方面:　　1)本文提取帧间变化特征(MIP),并在MIP特征的基础上,针对该特征的特点进行背景滤除,使用仿射变换进行摄像机运动补偿,形成MIP-sc特征;　　2)本文提出了基于时空特征邻域的特征作为视频的第二层特征,首先提取MIP-sc特征,得到特征点和描述子,计算特征点周围的邻域信息作为新的描述子。该方法补偿了因“词袋”模型而丢失的时空信息,经实验证明能够更有效的表示视频中的动作。　　3)本文是在ASLAN数据集、HDMB51数据集、UCF50数据集等几个目前有代表性的无约束视频的数据集进行测试的。在这几个数据集上都有不错的识别率,并对复杂的场景,摄像机的视角、运动,光照,具有一定的鲁棒性。

目录

封面

声明

特别申明

致谢

中文摘要

英文摘要

目录

插图清单

表格清单

第一章 绪论

1.1研究背景和意义

1.2目前国内外研究现状和面临的问题

1.3 本文的主要内容

第二章 视频动作识别方法概述

2.1 人体动作识别的特征

2.2 视频的表示方法

2.3 人体动作识别的算法

2.4 本章小结

第三章 帧间变化特征提取及改进

3.1 帧间变化特征

3.2改进帧间变化特征

3.3 本章小结

第四章 基于分层次特征的动作识别

4.1概述

4.2 本文的描述子

4.3 实验结果及分析

4.4 本章总结

第五章 总结与展望

5.1 论文的工作总结

5.2 未来的研究构想

参考文献

攻读硕士学位期间的学术活动及成果情况