复杂场景下的动作识别-计算机技术专业论文.docxVIP

万方数据 万方数据 Dissertation for the Master Degree in Engineering ACTION RECOGNITION IN COMPLEX BACKGROUND Candidate： Zhang Lingya Supervisor： Liu Yan Academic Degree Applied for： Master of Engineering Speciality： Computer Science and Technology Affiliation： School of Computer Science and Technology Date of Defence： June, 2014 Degree-Conferring-Institution： Harbin Institute of Technology 摘要 摘要 摘 要 无论从安全、监控、娱乐或者是个人记录的角度来说，人体的动作识别问 题作为一个研究方向都具有重要的学术价值和实用价值。近年来，动作识别领 域得到了快速发展。但是，复杂背景下的动作识别并没有得到高度重视，因此， 本文注重研究复杂背景下的动作识别。 针对现有动作识别方法的不足，本文提出了随机取样来进行动作识别的方 法。同时，由于随机取样又会增加识别的随机性，本文又对随机取样策略进行 优化，尽量减弱取到的 patch 的随机性,增加取样到的 patch 的信息量，也就是 尽可能在取少量 patch 的情况下，使这些 patch 更能代表这类动作的鲜明特征。 本文提出了如下方法： 首先，提出了一种带有时空信息的 patch。此种 patch 既包含随机选取的 patch 的前后时间关系，也包含该 patch 的空间关系，表现力得到大大增强， 在增加了有限的时间同时，携带了更多的信息。 然后，将随机取样方法应用在动作识别上。与带有时空信息的 patch 共同 使用，降低了实验时间，同时不影响识别准确率。本文通过进行三次随机采样 实验来消除偶然性，并取三次实验的平均准确率和平均偏差作为实验的准确值 和偏差。还通过实验确定了每段视频的采样数量。 最后，针对随机算法的一些缺点，提出了尽量减少方法的随机性的改进策 略。为此，定义了一个用于表示某个 patch 中的运动剧烈程度的变量。通过此 变量与堆排序算法的共同作用，优化后的取样策略尽量减弱了取到的 patch 的 随机性，增加了取样到的 patch 的信息量。 本文说明了合理应用取样策略可以增加复杂场景下的动作识别的准确率和 计算效率，使动作识别技术在实时应用方向又迈出了新的一步。 关键词：复杂场景；动作识别；采样策略；时空patch I Abstract Human action recognition is a academic valuable and practical valuable research area from the perspective of security, surveillance, entertainment or personal records. In recent years, the field of action recognition has been developing rapidly. However, the action recognition under complex background did not get enough attention. This paper focus on the research in action recognition under complex background. For the deficiencies of the existing action recognition methods, this paper presents a random sampling method for action recognition. In addition, due to the random sampling would increase the randomness of recognition, this paper focuses on a further optimization for the random sampling strategy, trying to weaken the randomness of the sampled patch and increase the amount of information carried by the sampled patch. That is,