基于深度学习的动作识别研究-信息与通信工程专业论文.docx

基于深度学习的动作识别研究摘 基于深度学习的动作识别研究 摘 要 动作识别鉴于其在视频跟踪、运动分析、辅助医疗、虚拟现实和人机智能交 互等领域的广泛应用而成为计算机视觉领域的研究热点。动作识别技术是指通过 一些方法使计算机对视频或者图像序列中的运动行为提取出具有分辨能力的特征 进行识别分析。尽管目前已经提出了许多动作识别的方法，但是这个问题依然具 有挑战性。动作识别的主要难点是设计一个模型，使其不仅能从背景中检测出目 标和动作，而且能准确识别动作多样性的变化，如动作有部分被遮挡时和同一动 作在不同的环境下发生时导致的变化等。目前很多手动设计的模型，对特定的动 作有一定的识别能力，对更加普遍的动作多样的变化的识别能力有一定的限制。 基于深度学习方法构建深度网络自动地提取特征是目前动作识别中值得关注的一 个方向。 本文提出基于深度学习的卷积神经网络模型，对动作识别进行了研究。首先， 我们训练UCFl 01数据集学习一个深度双流卷积神经网络模型并测试其性能，该 模型包括空间流和时间流的深度卷积神经网络，空间网络以视频中的RGB图像 为输入，从静止图像中捕捉描述目标外观的信息；时间网络以光流图为输入，提 取描述动作的运动信息。其次，本文提出了多阶段训练深度卷积神经网络的方法， 使用多个分类器联合识别视频中的动作。另外，本文利用支持向量机分类器对卷 积网络自动提取的特征进行分类，有效提高了识别的准确率。最后，我们使用迁 移学习的方法在HMDB5l数据集上进行动作识别。 本文提出的基于深度学习的动作识别算法在两个基准的动作识别数据集上进 行了验证，实验的结果表明本文提出的算法比己有的先进方法具有更高的识别准 确率和明显的鲁棒性，尤其适合于复杂环境中的动作识别。 关键词：动作识别；深度学习；卷积神经网络；多阶段训练；支持向量机 II 万方数据 硕士学位论文Abstract 硕士学位论文 Abstract The research of action recognition is a central issue in the field of computer vision， because it’S widely utilizing in video surveillance，motion analysis，aided medical， virtual reality，human-computer intelligent interaction，etc．Action recognition is enabling computers to identify and analysis features extracted from videos or images by some methods．While there are lots of methods of action recognition，developing a robust method is still a challenging problem．The main difficulty of action recognition is designing an effective model which should not only distinguish the object and action from the background but also be robust to its variations of the action，such as action s are partial occlusion or the same action occurs in different environments．At present， many hand-designed models have a certain ability of recognition for specific actions but are restricted in more general actions of the various changes．Now,building a network based on deep learning to automatically extract features is receiving attention in action recognition． We propose a convolutional neural network model based on deep learning for action recognition in this paper．Firstly，we learn a very deep two-stre