收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于稀疏表示模型的行为识别研究

范长德  
【摘要】:基于视觉的行为识别是指将包含某种行为的视频或者图像序列标注为正确的类别标号。行为识别技术可用于视频监控、无人驾驶、人机交互、体育视频分析等众多领域,具有广泛的应用价值。行为识别研究涵盖特征提取、行为描述与表示以及分类器设计等诸多问题,涉及计算机视觉、机器学习、模式识别等多学科的交叉,是近年来人工智能领域研究的热点,具有重要的研究意义。本文在综合叙述国内外相关文献基础上,对基于稀疏表示模型的行为识别方法进行了深入研究。各种行为类内差异和类间差异的表示是行为识别中的关键问题,近年来基于稀疏表示的分类模型(Sparse Representation based Classifier,SRC)在模式识别领域获得广泛应用,SRC能在一定程度上解决上述差异问题。稀疏模型中通过对每个行为类别单独学习字典,使字典中的原子尽可能包含不同的形态,从而将类内差异包含进来;对不同行为分别学习的字典则能体现类间差异。本文对稀疏表示相关理论进行了深入研究,重点研究基于稀疏表示的行为识别算法。课题的主要研究内容如下:(1)研究了一种基于视频局部时空特征在级联字典上最近邻原子表示的行为识别方法。传统的SRC分类器在识别阶段以局部时空特征重构误差最小化为目标,过度追求重构误差的最小化,从而导致选用的原子分布广泛,相对削弱了字典的判别能力,针对该问题,提出了基于最近邻原子表示的识别方法,模型基本原理与KNN(K Nearest Neighbor,KNN)分类器相似。训练阶段与传统的SRC分类器一样,利用K-SVD(K Singular Value Decomposition,K-SVD)算法对每个类别学习单独的字典;在识别阶段,通过统计测试视频局部时空特征在级联字典上最近邻原子表示的系数个数进行判决。在Facial Expressions公开数据集和Weizmann人体行为数据集上进行了实验,结果表明所提算法的识别效果优于传统的SRC分类器。(2)研究了一种编码阶段结合组稀疏先验知识的有监督字典学习方法?模型在训练阶段利用每一类别的标号信息结合级联字典的结构,对该类别局部特征的稀疏表示系数施以不同的惩罚权重。除对每个类别单独学习字典外,还学习了一个公共模式的字典用于减小重构误差,从而一定程度上增强了各类别字典的判别性?最后给出了该模型的求解方法,并在Facial Expressions、Hand Gesture、UCF Sports公开数据集上进行了验证,结果表明相比于其余SRC模型分类精度有所提升?(3)研究了一种线性化的学习组稀疏先验核字典的方法。字典学习拓展到核空间中可进一步提高SRC模型的分类效果,通过映射样本的方式线性化的学习核字典,并将核空间字典学习组合到组稀疏先验分类模型中,最终构建了结合组稀疏先验的核空间字典学习模型,并应用于行为识别。


知网文化
【相似文献】
中国期刊全文数据库 前17条
1 Fang LI;Jia SHENG;San-yuan ZHANG;;基于稀疏表示的拉普拉斯稀疏字典图像分类(英文)[J];Frontiers of Information Technology & Electronic Engineering;2017年11期
2 黄宏图;毕笃彦;侯志强;胡长城;高山;查宇飞;库涛;;基于稀疏表示的视频目标跟踪研究综述[J];自动化学报;2018年10期
3 刘嘎琼;;改进稀疏表示的人脸识别在高校管理中的应用[J];计算机与数字工程;2018年11期
4 余庆辉;朱晗琰;吴海霞;戈晓玲;潘逸炜;;基于类内稀疏表示的人脸识别[J];科技展望;2015年32期
5 滕升华;商胜楠;王芳;赵增顺;;一种基于复合稀疏表示的阿尔茨海默病的诊断方法[J];生物医学工程研究;2016年01期
6 黄宏图;毕笃彦;高山;查宇飞;侯志强;;基于局部敏感核稀疏表示的视频跟踪[J];电子与信息学报;2016年04期
7 张保庆;穆志纯;曾慧;;基于非负稀疏表示的遮挡人耳识别[J];计算机辅助设计与图形学学报;2014年08期
8 张石清;赵小明;楼宋江;闯跃龙;郭文平;陈盈;;一种局部敏感的核稀疏表示分类算法[J];光电子.激光;2014年09期
9 陈思宝;许立仙;罗斌;;基于多重核的稀疏表示分类[J];电子学报;2014年09期
10 李映;张艳宁;许星;;基于信号稀疏表示的形态成分分析:进展和展望[J];电子学报;2009年01期
11 甘乐;;高光谱遥感影像稀疏表示与字典学习分类研究[J];地理与地理信息科学;2019年01期
12 李清泉;王欢;;基于稀疏表示理论的优化算法综述[J];测绘地理信息;2019年04期
13 王威;朱宗玖;陆俊;;基于字典学习和局部约束的稀疏表示人脸识别[J];电脑知识与技术;2018年05期
14 韦道知;黄树彩;赵岩;庞策;;非负谱稀疏表示的高光谱成像中的异常检测[J];红外与激光工程;2016年S2期
15 王科平;杨赞亚;恩德;;基于分类冗余字典稀疏表示的图像压缩方法[J];计算机工程;2017年09期
16 王学军;王文剑;曹飞龙;;基于自步学习的加权稀疏表示人脸识别方法[J];计算机应用;2017年11期
17 黄少煌;黄立勤;;改进的两阶段协作稀疏表示分类器[J];南阳理工学院学报;2016年02期
中国重要会议论文全文数据库 前10条
1 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[A];2013年中国智能自动化学术会议论文集(第五分册)[C];2013年
2 杨宝;朱启兵;黄敏;;基于非负矩阵分解一稀疏表示分类的玻璃缺陷图像识别[A];第24届中国控制与决策会议论文集[C];2012年
3 田野;张立新;严涛;杨志梅;张茁;;基于稀疏表示的北斗导航卫星预失真滤波器设计方法[A];第九届中国卫星导航学术年会论文集——S08 测试评估技术[C];2018年
4 肖琼;黄永言;;稀疏表示在脑电信号处理中的应用研究现状[A];人-机-环境系统工程创立30周年纪念大会暨第十一届人-机-环境系统工程大会论文集[C];2011年
5 赵雪峰;孙成禹;;基于稀疏表示的地震多属性融合[A];2016中国地球科学联合学术年会论文集(十九)——专题40:油气田与煤田地球物理勘探[C];2016年
6 廖佳俊;刘志刚;蔡尚;姜江军;;基于非负—平滑约束的高光谱稀疏表示目标检测算法研究[A];国家安全地球物理丛书(十二)——地球物理与信息感知[C];2016年
7 蒙红英;柴昱洲;韩宇;;一种基于稀疏表示的JPEG-LS改进算法[A];第四届高分辨率对地观测学术年会论文集[C];2017年
8 柴汉超;郭翌;汪源源;曹万里;孙福康;;基于多尺度稀疏表示分割肾上腺肿瘤CT图像[A];仪器仪表学报(2015(增刊)第36卷)[C];2015年
9 杜兰;李晨;孙永光;;基于联合动态稀疏表示的SAR自动目标识别[A];第五届高分辨率对地观测学术年会论文集[C];2018年
10 余力;郭翌;汪源源;陈萍;;基于超声心动图序列的胎儿左心室分割[A];仪器仪表学报(2015(增刊)第36卷)[C];2015年
中国博士学位论文全文数据库 前10条
1 杨红红;稀疏表示及多示例跟踪算法研究及其在视频监控中的应用[D];西北工业大学;2018年
2 樊晓宇;基于自适应稀疏表示的压缩感知MRI算法研究[D];燕山大学;2019年
3 范长德;基于稀疏表示模型的行为识别研究[D];燕山大学;2019年
4 张永强;基于稀疏表示和级联回归的面部动作捕捉技术研究[D];哈尔滨工业大学;2018年
5 商琨;稀疏、低秩表示学习模型与相关方法研究[D];天津大学;2017年
6 张岩;基于稀疏表示的油气地震勘探数据重建与去噪方法研究[D];东北石油大学;2018年
7 赵永红;基于稀疏表示的阵列信号空间谱估计方法研究[D];西安电子科技大学;2017年
8 任博;基于稀疏表示和流形学习的SAR图像分类算法研究[D];西安电子科技大学;2017年
9 程增飞;基于压缩感知的阵列信号处理技术研究[D];西安电子科技大学;2017年
10 吴晓欢;基于稀疏表示的波达方向估计理论与方法研究[D];南京邮电大学;2017年
中国硕士学位论文全文数据库 前10条
1 王真真;基于稀疏表示的图像超分辨率重建技术研究[D];南京航空航天大学;2019年
2 李家浩;基于多重残差的稀疏表示图像分类研究[D];安徽工业大学;2019年
3 郑雨佳;利用稀疏表示方法对图像进行去雾超分辨[D];浙江海洋大学;2019年
4 张雁峰;基于稀疏表示的惯性约束聚变辐射对称性高效分析算法[D];广东工业大学;2019年
5 吴琳;稀疏表示模型及在地化数据降噪中的应用[D];成都理工大学;2019年
6 刘坤;基于块和稀疏表示的图像去噪算法研究[D];广东工业大学;2019年
7 莫一过;基于结构先验与稀疏表示的图像去噪方法研究[D];西安电子科技大学;2019年
8 宋伟;基于稀疏表示的图像检测与目标跟踪技术的研究[D];南京邮电大学;2019年
9 万东燕;基于稀疏表示的导波缺陷信号的特征提取及缺陷分类研究[D];江苏大学;2019年
10 赵丹;基于稀疏表示和过程学习的迁移学习分类方法[D];南京邮电大学;2019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
  • 010-62982499
  • 010-62783978