基于结构化低秩表示的人体行为识别方法

《基于结构化低秩表示的人体行为识别方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于结构化低秩表示的人体行为识别方法作者姓名贾航华导师姓名、职称张向荣教授领域电子与通信工程企业导师姓名、职称王晓华高工申请学位类别工程硕士提交学位论文日期2014年12月学校代码10701学号0212021329分类TN82号TP18密级公开西安电子科技大学硕士学位论文基于结构化低秩表示的人体行为识别方法作者姓名：贾航华领域：电子与通信工程学位类别：工程硕士学校导师姓名、职称：张向荣教授企业导师姓名、职称：王晓华高工提交日期：2014年12月StructuralLow-rankRepresentationbasedHumanAct

2、ionRecognitionAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinElectronicsandCommunicationEngineeringByHanghuaJiaSupervisor:XiangrongZhangXiaohuaWangDecember2014西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的

3、研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文若有不实之处，本人承担一切法律责任。本人签名：日期：西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属于西安电子科技大学。学校有权保留送交论文的复印件，允

4、许查阅、借阅论文；学校可以公布论文的全部或部分内容，允许采用影印、缩印或其它复制手段保存论文。同时本人保证，获得学位后结合学位论文研究成果撰写的文章，署名单位为西安电子科技大学。保密的学位论文在年解密后适用本授权书。本人签名：导师签名：日期：日期：摘要摘要视频中的人体行为识别在计算机视觉和模式识别领域是一个重点研究课题。视频监控和人机交互等应用领域共同推进着该课题的发展。现有的人体行为识别技术经常受到背景杂乱、实施者不同、行为遮挡、视角变化和摄像机移动等问题的影响。因此，准确的识别出真实环境中的人体行为依然是一个具有挑战性的问题。人

5、体行为识别中的一个关键问题是如何得到对视频中的人体行为准确表示。判别鲁棒的行为表示不仅能够减少噪声的影响，而且有助于提高识别结果。尽管现有的方法在一些数据集上表现出良好的性能，但是从提取出来的低层局部特征中，学习得到一个紧凑的且判别性更高的行为表示，仍然是一个挑战性的问题。为了得到这样一个行为表示，在本文中，我们研究了现有的特征学习方法，并且将结构信息融合于特征学习方法中。本文的主要成果如下：（1）提出了一种基于近邻约束低秩表示的人体行为识别方法。近年来，低秩表示已经被广泛的应用于许多研究领域，并且取得了良好的效果。通过低秩约束，低

6、秩表示寻求低层特征的适当的表示。该表示能够把握特征之间的全局特征。受到低秩表示的启发，我们在低秩表示的目标函数中加入了一个局部约束项。在编码过程中，该约束项能够使得编码系数被它的近邻逼近表示。通过这种方式，编码系数保留了近邻之间的强度一致性和平滑性。（2）提出了一种基于结构不相关性约束的低秩表示人体行为识别方法。现有的方法在编码过程中，对特征进行独立编码，并且没有考虑特征的全局结构信息和不同类别之间的相关性。基于此，我们在低秩表示的目标函数中加入了一个带有权值的结构不相关约束项。我们的方法能够增强了来自于不同类的特征的不相关性，从而

7、判别性更高的行为表示。（3）提出了一种基于TraceLasso约束的人体行为识别方法。该方法在编码的过程中，同时对字典原子和编码系数进行约束，使得编码系数所对应的字典原子相关性更强。稀疏表示随机的选择字典原子来编码特征。与稀疏表示相比，TraceLasso在编码特征的过程中，考虑了字典原子之间的相关性，从而增强编码系数的表示能力。本文的工作得到了国家自然科学基金（61272282），教育部新世纪优秀人才支持计划（NCET-13-0948）等项目的资助。关键词：人体行为识别，特征学习，低秩表示，稀疏表示分类。论文类型：应用基础研Ⅰ西安

8、电子科技大学硕士学位论文ⅡABSTRACTABSTRACTHumanactionrecognitioninvideoisanimportantresearchtopicincomputervisionandpatternrecogni