论文部分内容阅读
随着科技的快速发展和人们生活水平的提高,人们对于生活的智能化也越来越关注。人体动作识别在智能监控系统、智能机器人、人机交互、动作分析等领域有着广泛的应用前景。人体动作识别是计算机视觉领域的一个具有挑战性的科研任务,涉及了图像处理、神经网络、机器学习等多门学科。然而由于背景复杂、相机运动、衣服的不同、以及遮挡等问题的存在,导致人体动作识别很难实现。目前人体动作识别领域还处于研究阶段,而且用于研究的数据库背景相对单一、视频数量有限、视频中大多都是只有一个主体,人体动作识别距离实际应用还有不少的路要走。针对当前人体动作识别提出的方案大多输入固定、计算量大、时间复杂度高、没有有效的利用运动信息和时空信息等问题,本文在深度学习的基础上结合光流、空间金字塔池化(Spatial Pyramid Pool,SPP)、卷积特征编码、线性轨迹等对人体动作识别进行了深入研究。本文主要做了以下三部分工作:1.提出了一种基于光流和SPP-ConvNets的人体动作识别方法。本算法利用光流法进行区域分割获取视频和光流的运动区域,然后利用加入了SPP层的卷积神经网络SPP-ConvNets对获取的运动区域进行分类识别。本方法不仅使输入图像为任意大小,减小了因截取和拉伸等造成的图像失真,而且将静态信息和运动信息融合来提高人体动作识别的识别率和算法的鲁棒性。2.提出了一种基于Two-stream网络和局部深层特征编码的人体动作识别方法。本方法首先将视频和对应光流分别经过Two-stream网络学习获取卷积特征,对获取的卷积特征利用局部深层特征编码获取局部深层特征描述子,局部深层特征编码保留了卷积层包含的空间信息并增加了特征描述子数量可以提高人体动作识别的准确度。然后对获取的局部深层特征描述子进行降维白化处理并利用K-means聚类,分别用VLAD向量表示每段视频和光流。最后合并视频和对应光流的VLAD向量作为SVM分类器的输入数据进行仿真实验。3.提出了一种基于空间线性池化编码的人体动作识别方法。利用空间线性池化编码对视频和光流获取的卷积特征进行编码获得线性特征描述子,同样对获取的局部深层特征描述子进行降维白化处理并利用K-means聚类,合并视频和光流的VLAD向量作为最终的人体动作识别的特征数据。空间线性池化编码在静态信息和动作信息的基础上融入了线性轨迹信息,更深入地挖掘了视频中的连续多帧之间的运动轨迹信息,提高了人体动作识别精度,并且本算法计算简单,特征量小。