基于卷积神经网络的人体行为识别方法研究

目录

摘要

1．1研究的背景与意义

1．2国内外研究现状

1．3论文研究内容

1．4论文的结构安排

第2章人体行为识别关键技术

2．1人体行为识别的概念

2．2三维卷积神经网络的基础网络层

2．2．1 3D卷积层

2．2．2 3D池化层(3D Polling)

2．2．3激活函数(Activation Function)

2．3常用的人体行为识别数据集

2．3．1 KTH数据集

2．3．2 HMDB51数据集

2．3．3 UCF101数据集

2．3．4 MERL购物数据集

2．4本章小结

第3章基于3D-DenseNet-BC的人体行为识别方法

3．1 DenseNet网络模型概述

3．2三维密集连接块和过渡层

3．2．1密集连接块

3．2．2三维瓶颈层和模型压缩

3．2．3过渡层(Transition Layer)

3．3 3D-DenseNet-BC的网络参数的选择

3．3．1代价函数

3．3．2优化方法

3．3．3 Dropout

3．3．4目标特征的分类识别

3．4实验结果与分析

3．4．1数据预处理

3．4．2网络参数设置及实验结果与分析

3．5本章小结

第4章改进的基于3D-DenseNet-BC人体行为识别

4．1改进网络模型

4．1．1改进模型中的激活函数

4．1．2改进模型中的池化方法

4．2实验结果与分析

4．2．1改进激活函数的网络模型实验结果

4．2．2改进池化方法的网络模型实验结果及分析

4．3模型评价

4．4人体行为识别模型的可行性分析

4．5本章小结

5．1总结

5．2展望

参考文献

致谢

攻读学位期间发表的学术成果

声明