行为检测技术研究及软件系统实现

《行为检测技术研究及软件系统实现》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、分类号TP391.41密级公开UDC004.93学位论文编号D-10617-30852-(2016)-01015重庆邮电大学硕士学位论文中文题目行为检测技术研究及软件系统实现英文题目ResearchonActionDetectionTechnologyandImplementationofSoftwareSystem学号S130131018姓名冯泽民学位类别工程硕士学科专业电子与通信工程指导教师高陈强教授完成日期2016年6月8日重庆邮电大学硕士学位论文摘要摘要基于视觉的行为检测是计算机视觉领域中的一个重要课题，以其广泛的应用前景而备受研究者的关

2、注。本文围绕着机器学习框架下的行为检测问题开展研究，主要包括行为发生区域时空位置的确定、行为检测算法和行为检测软件系统实现三个方面。具体研究工作如下：本文在对现有运动目标检测方法进行总结和评估的基础上，充分利用行为发生的时空连贯性，提出自适应运动区域估计的方法对运动目标检测中的离群值进行修正，保证运动区域检测的准确性。之后在得到的运动区域上进行融合特征的提取，在保证特征描述的准确性的同时降低特征的维度。最后利用支持向量机(SupportVectorMachine,SVM)训练学习得到检测模型，并利用该模型完成对行为的检测。实验结果表明，该方法在保

3、证较高检测精度的同时，降低了检测过程的计算复杂度，能够实现快速行为检测的目的。为了准确地检测出行为发生区域，本文将目标检测应用中效果较好的选择性搜索算法与卷积神经网络结合，应用于视频行为检测中。首先，通过卷积神经网络对选择性搜索的结果进行筛选，得出潜在的行为发生区域。然后，采用贪婪搜索的方法在视频中确定行为发生区域的时空子集，避免了滑动窗口的使用，提高行为发生区域检测的准确性。最后，在行为发生区域的时空子集上采用卷积神经网络进行特征提取，并采用SVM进行训练和检测。与目前最新算法相比，实验结果表明，该算法可以有效地提高行为检测的准确性。在快速行为

4、检测算法的基础上，本文设计并实现了行为检测软件系统。该系统采用MFC和OpenCV编程实现，并采用多线程处理的策略，保证检测的实时性。该软件可以在不需要人为干预的情况下，对视频中出现的特定行为进行检测，并实时显示相关信息。关键词：机器学习，行为检测，特征提取，选择性搜索，卷积神经网络I重庆邮电大学硕士学位论文AbstractAbstractVisualbasedactiondetectionisanimportanttopicinthefieldofcomputervision,andithasattractedmuchattentionfrom

5、researchersforitswideapplicationprospect.Thisthesisfocusesonactiondetectionissuesundertheframeworkofmachinelearning,includingthedeterminationofthetemporalandspatialpositionwheretheactionoccurrs,theactiondetectionalgorithmandtheimplementationofactiondetectionsoftwaresystem.The

6、specificresearchworksareasfollows:Onthebasisofsummarizingandevaluationofexistingmovingtargetdetectionmethods,anadaptivemotionareaestimationmethodwhichcanmakefulluseoftemporalandspatialcoherenceofactionisproposedtoremovetheoutliersproducedbyinaccuratemotiondetection.Thismethod

7、isappliedtoimprovetheaccuracyofmotionareadetection,andthenthefusionfeatureareextractedinthemotionareatoensuretheaccuracyofthedescribedfeaturewhilereducingdimensionoffeature.Finally,SVMsareusedtotraindetectionmodelwhichissubsequentlyusedtocompletethedetectionoftheaction.Experi

8、mentalresultsshowthatthismethodcanensurehighdetectionaccuracywhilere