基于光流导向特征的行为识别算法研究

目录

声明

主要符号表

第一章绪 论

1.1 研究工作的背景与意义

1.2 国内外研究历史与现状

1.2.1 传统行为识别方法

1.2.2 深度学习行为识别方法

1.3 课题研究的难点

1.4 本论文的创新点

1.5 本论文的结构安排

第二章行为识别相关基础和理论

2.1 光流算法及其探索过程

2.2 行为识别特征提取方法

2.2.1 卷积层提取特征

2.2.2 ResNet 网络提取特征

2.3 时序信息提取策略

2.4 注意力机制

2.5 本章小结

第三章光流导向特征的差分提取算法

3.1 光流导向特征

3.2 OFF的推理过程

3.3 OFF特征差分提取算法

3.3.1 差分提取算法设计

3.3.2 差分提取算法网络结构

3.4 本章小结

第四章基于差分提取算法的行为识别网络

4.1 概述

4.2 网络的整体框架

4.3 图像数据预处理

4.3.1 数据增强

4.3.2 数据尺寸统一

4.4 ARNDEA网络设计

4.4.1稀疏采样策略设计

4.4.2 空间特征提取网络设计

4.4.3 时间特征提取网络设计

4.4.4 网络分类器设计

4.5 ARNDEA网络的改进过程

4.5.1 OFF特征流子网络的位置设计

4.5.2 学习参数的确定

4.5.3 迭代次数的确定

4.5.4 融合方式的确定

4.5.5 OFF特征流子网络的堆积方式

4.6 本章小结

第五章实验结果与分析

5.1 实验配置

5.2 数据集准备

5.2.1 UCF-101数据集

5.2.2 HMDB-51 数据集

5.3 OFF特征差分提取算法的实验验证

5.3.1 OFF特征的可视化

5.3.2 OFF特征和其他特征的比较

5.4 ARNDEA行为识别系统的实验验证

5.4.1 损失函数曲线图

5.4.2 准确率曲线图

5.4.3 混淆矩阵

5.4.4 和其他文献的比较

5.5 本章小结

第六章总结与展望

6.1 本文的主要贡献

6.2 下一步的展望

致谢

参考文献

硕士期间取得的研究成果