收藏本站
《南京邮电大学》 2016年
收藏 | 手机打开
二维码
手机客户端打开本文

基于深度学习的人体动作识别

耿驰  
【摘要】:人体动作识别因为其广泛的现实应用前景,成为图像处理、计算机视觉、机器学习等领域的研究热点,但仍然是一个具有挑战性的课题。在人脑视觉机理的启发下,深度学习的提出使得机器学习取得突破性的进展,也为人体动作识别的研究带来了新的方向。深度学习基于一系列算法,通过分层非线性转换无监督地获取数据的高层抽象。不同于传统的识别方法手工提取特征,深度学习能够自动地从低层次的特征中学习出高层次的特征,解决了特征选取过于依赖任务本身和调整过程耗费时间等问题。本文重点研究在复杂场景下的人体动作识别及运动视频中时空特征的提取问题,克服环境差异和时间变化给识别造成的困难。本文在研究深度学习典型模型卷积神经网络和深度置信网络的基础上,提出了具有创新性的人体动作识别模型。本文的具体研究工作如下:(1)研究了复杂场景下RGB图像中人体的动作识别问题。卷积神经网络由于局部权值共享和池化的特殊结构,对于特定的姿态、光照、环境杂乱变化均具有不变性,在图像处理方面具有天然的优越性。因此,本文提出一个改进的卷积神经网络模型,提取2D图像序列中的动作特征,并经过softmax回归进行分类。其中,为了更有效的预训练卷积核权值,本文还利用卷积自动编码器替代传统的后向传播算法进行初始化工作。试验表明该模型有效地解决了复杂场景下动作识别问题,较传统方法具有更高的识别率。(2)针对运动视频中的时空特征进行研究。为了使识别方法更具实用价值,本文提出了一个多分辨率的3D卷积神经网络模型。在保留高分辨率的原始输入流的前提下,增加一个包含动作的低分辨率输入流,形成一个新的双流3D卷积神经网络框架。这样既能够利用3D卷积核提取连续视频帧中的时空信息,又加快了网络的运算速度。实验证明,此方法无需任何先验信息取得了和传统算法相近的结果。(3)前两个研究点均为基于RGB图像序列的特征提取方法,第三个研究点则提出了一个基于RGB-D视频数据的识别模型。该模型通过传感器Kinect获取深度图像序列,并进行一定处理获取低层时空信息,再通过一个金字塔型的深度置信网络模型进行高层特征表示。其中,辅以改进的限制波尔兹曼学习算法,较本文之前的算法极大地减小计算量。实验表明较其他优秀方法,本文的方法更具有效性和鲁棒性。
【学位授予单位】:南京邮电大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:TP391.41

手机知网App
【相似文献】
中国期刊全文数据库 前10条
1 胡雅琴;;动作识别技术及其发展[J];电视技术;2013年S2期
2 倪世宏,史忠科,谢川,王彦鸿;军用战机机动飞行动作识别知识库的建立[J];计算机仿真;2005年04期
3 程祥;;人体动作识别的研究[J];电脑知识与技术;2006年20期
4 黄飞跃;徐光祐;;视角无关的动作识别[J];软件学报;2008年07期
5 徐光祐;曹媛媛;;动作识别与行为理解综述[J];中国图象图形学报;2009年02期
6 黄丽鸿;高智勇;刘海华;;基于脉冲神经网络的人体动作识别[J];现代科学仪器;2012年02期
7 周艳青;王磊;;基于视觉的人体动作识别综述[J];山东轻工业学院学报(自然科学版);2012年01期
8 曹琨;;基于检索表的实时动作识别技术研究[J];中外企业家;2014年05期
9 刘博;安建成;;基于关键姿势的人体动作识别[J];电视技术;2014年05期
10 王燕;张绍武;凌志刚;潘泉;;基于图嵌入线性拓展方法的人体动作识别研究[J];计算机仿真;2008年10期
中国重要会议论文全文数据库 前7条
1 袁飞;程韬波;周松斌;肖先文;;基于加速度特征的可拓动作识别方法[A];广州市仪器仪表学会2009年学术年会论文集[C];2010年
2 黄飞跃;徐光祐;;自然的人体动作识别[A];第三届和谐人机环境联合学术会议(HHME2007)论文集[C];2007年
3 叶喜勇;陶霖密;王国建;邸慧军;;视角无关的人体躯干动作识别[A];第六届和谐人机环境联合学术会议(HHME2010)、第19届全国多媒体学术会议(NCMT2010)、第6届全国人机交互学术会议(CHCI2010)、第5届全国普适计算学术会议(PCC2010)论文集[C];2010年
4 黄艳欢;叶少珍;;连续动作分割综述[A];第十四届全国图象图形学学术会议论文集[C];2008年
5 董力赓;陶霖密;徐光祐;;头部姿态和动作的识别与理解[A];第三届和谐人机环境联合学术会议(HHME2007)论文集[C];2007年
6 朱岩;赵旭;刘允才;;基于稀疏编码和局部时空特征的人体动作识别[A];第十五届全国图象图形学学术会议论文集[C];2010年
7 席旭刚;金燕;朱海港;高云园;;基于小波包熵和支持向量机的手部肌电信号动作识别[A];2013年中国智能自动化学术会议论文集(第五分册)[C];2013年
中国重要报纸全文数据库 前2条
1 本报记者 陈丹;人与机器的“对话”[N];科技日报;2010年
2 ;凌空敲键盘?无线计算机手套问世[N];中国计算机报;2004年
中国博士学位论文全文数据库 前10条
1 谌先敢;现实环境下的人体动作识别[D];武汉大学;2012年
2 陈渊博;视频序列中的人体动作识别[D];北京邮电大学;2015年
3 刘翠微;视频中人的动作分析与理解[D];北京理工大学;2015年
4 陈萌;基于李代数高斯表示的动作识别方法研究[D];华中科技大学;2016年
5 李拟珺;基于计算机视觉的人体动作识别技术研究[D];东南大学;2015年
6 任海兵;非特定人自然的人体动作识别[D];清华大学;2003年
7 成娟;基于表面肌电和加速度信号融合的动作识别和人体行为分析研究[D];中国科学技术大学;2013年
8 邓小宇;面向智能视频监控的前景提取和动作识别技术研究[D];浙江大学;2012年
9 邓利群;三维人体动作识别及其在交互舞蹈系统上的应用[D];中国科学技术大学;2012年
10 曹雏清;面向多方式人际交互的肢体动作识别研究[D];哈尔滨工业大学;2012年
中国硕士学位论文全文数据库 前10条
1 张思亮;体感交互系统的人体动作识别研究[D];华南理工大学;2015年
2 应锐;基于关键帧及原语的人体动作识别研究[D];复旦大学;2014年
3 陈凌琛;基于Kinect的动作识别研究及在教学中的应用[D];昆明理工大学;2015年
4 张孙培;基于关节数据和极限学习机的人体动作识别[D];南京理工大学;2015年
5 邱春明;基于运动幅度变化率的视频人体动作识别[D];河北大学;2015年
6 康钦谋;视频人体动作识别算法研究[D];电子科技大学;2015年
7 刘海军;基于时空流形学习的人体动作识别[D];电子科技大学;2014年
8 梁燕;交互应用中的实时动作识别[D];北京理工大学;2015年
9 冷晶晶;基于光编码技术的人员入侵智能报警系统[D];西安石油大学;2015年
10 马叶涵;基于Kinect的办公健康分析系统的设计与实现[D];哈尔滨工业大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026