基于概率图模型的动作识别

基于概率图模型的动作识别

ID:35066704

大小:3.71 MB

页数:58页

时间:2019-03-17

基于概率图模型的动作识别_第1页
基于概率图模型的动作识别_第2页
基于概率图模型的动作识别_第3页
基于概率图模型的动作识别_第4页
基于概率图模型的动作识别_第5页
资源描述:

《基于概率图模型的动作识别》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、学校代码10459学号或申请号201312172010密级硕士学位论文基于概率图模型的动作识别作者姓名:肖素珍导师姓名:陈恩庆副教授学科门类:工学专业名称:通信与信息系统培养院系:信息工程学院完成时间:2016年5月AthesissubmittedtoZhengzhouUniversityforthedegreeofMasterActionRecognitionBasedontheProbabilityGraphModelBySuZhenXiaoSupervisor:AssociateProf.EnqingChenCommunicationandInfo

2、rmationSystemSchoolofInformationEngineeringMay,2016学位论文原创性声明:所呈交的学位论文本人郑重声明,是本人在导师的指导下,独立进行研。巧所取得的成果除文中已经注明引用的内容外,本论文不包含任何其他个人或集体己经发表或撰写过的科研成果。对本文的研巧作出重要贡献的个人和集^体>明确方式标明。本声明的法律责任由本人承担。,均已在文中^^论文作者:曰期:2。年少月2日'马秦梦/^午学位论文使用授权声明。本人在导师指导下完成的论文及相关的职务作品,知识产权归属郑州大学根据郑州大

3、学有关保留、使用学位论文的规定,同意学校保留或向国家有关部口或机构送交论文的复印件和电子版,允许论文被查阅和借阅;本人授权郑州]大学可^^[将本学位论文的全部或部分编入有关数据库进行检索,可臥采用影印、缩印或者其他复制手段保存论文和汇编本学位论文。本人离校后发表、使用学一位论文或与该学位论文直接相关的学术论文或成果时,第署名单位仍然为郑州大学。保密论文在解密后应遵守此规定。论文作者,曰期:三則月2曰句妻梦/^年矣午摘要摘要随着计算机技术的快速发展,智能设备功能的健全,计算机视觉技术也随之快速发展,由此产生的包括智能视频监控在

4、内的各项研究成果都被广泛应用于日常生活中,准确识别人体的动作成为应用的关键。动态贝叶斯网络是最典型的概率图模型之一,可以用于表示随机变量间动态的因果关系,而人体动作就是一个变化的过程,所以,在本文中将动态贝叶斯网络用于动作识别,主要做了以下两方面的工作。第一个工作是基于动态贝叶斯网络的人体动作识别,该方法用到的数据库为MSRAction3D人体动作数据库,对该数据库提取位置特征和运动特征,对这两种特征数据进行归一化、PCA降维处理,就得到动作训练过程所需要的数据。随后将这些特征数据作为观测数据,将两种特征分别看做一个高斯混合模型,建立一个动态贝叶斯网络,

5、紧接着就是参数学习过程,采用的参数学习方法是不完整数据集下的EM参数学习算法,该方法可以较准确的估计参数,从而提高分类过程的识别率。该方法求得的交叉测试的识别率高于其他的参考文献,并且对于复杂动作数据集AS3来说识别率也有所提升。将概率图模型用于动作识别的第二个工作是基于训练数据的初始化运用到动作识别,该方法不需要反复训练找到合适的模型参数,从而大大减少动作训练的时间,解决了随机初始化带来的耗时问题。该方法首先把观测数据进行时间分隔,然后分别求每个子序列的平均值,这个平均值即为K-means算法的初始化中心,接着初始化高斯混合成分的参数,随后参数学习,概

6、率推理,完成动作识别的整个过程。相比于随机初始化方法,该方法提升了识别率,并且对于复杂动作AS3来说,可以达到随机初始化找到的最高识别率,可以实现识别率与耗时的均衡,更能满足实际应用的需求。关键词:概率图模型动作识别动态贝叶斯网络基于训练数据初始化IAbstractAbstractWiththerapiddevelopmentofcomputertechnology,intelligentequipmentfunctionsbecomemoreperfect,computervisiontechnologyhasbeenrapiddevelopment,

7、producedalotofresearchresults,includingintelligentvideosurveillance,iswidelyusedindailylife,accuratelyrecognitiontheactionbecomesthekeytotheapplication.DynamicBayesiannetworkisoneofthemosttypicalprobabilitygraphmodel,itcancatchdynamicrelationshipbetweenrandomvariables,andthehuman

8、actionisaprocessofdynamic,so,inthispaper

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。