基于视觉显著性先验建模的稠密轨迹选择新方法

《基于视觉显著性先验建模的稠密轨迹选择新方法》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、硕士学位论文基于视觉显著性先验建模的稠密轨迹选择新方法作者姓名詹宇芃学科专业信号与信息处理指导教师马丽红教授所在学院电子与信息学院论文提交日期2018年4月NewMethodsforDenseTrajectoriesSelectionbasedonVisual-saliencyPriormodelADissertationSubmittedfortheDegreeofMasterCandidate：ZhanYupengSupervisor：Prof.MaLihongSouthChinaUniversityofTechnologyGuangzhou,China分类号：TP391学校代

2、号：10561学号：201520109369华南理工大学硕士学位论文基于视觉显著性先验建模的稠密轨迹选择新方法作者姓名：詹宇芃指导教师姓名、职称：马丽红教授申请学位级别：工学硕士学科专业名称：信号与信息处理研究方向：图像处理与视频信号处理论文提交日期：2018年4月12日论文答辩日期：2018年6月3日学位授予单位：华南理工大学学位授予日期：2018年月日答辩委员会成员：主席：杜明辉教授委员：杨春玲教授马丽红教授刘杰平副教授钟海波高级工程师摘要人体行为识别是目前从海量的视频数据中获取、处理与分析信息的一个重要的手段。由于复杂环境容易导致背景冗余轨迹的误提取，能否从全信息记录的稠密轨

3、迹中准确提取描述前景运动的轨迹，将决定能否提取有效区分不同类别行为的特征。本文主要针对稠密轨迹行为识别在光照变化、摄像机移动等复杂条件下误提取大量背景运动轨迹的问题进行研究。主要创新点如下：1．提出了一种基于“候选-约束”双层前景先验分布的时空显著轨迹选择方法。针对基于前景建模的轨迹选择方法中轨迹显著性计算复杂度大的问题，在候选层中利用单点像素的时空视觉先验分布定义像素点显著性，以去除伪运动点；在约束层中使用轨迹的视觉先验分布约束定义轨迹显著性，以去除伪运动轨迹。约束层的判别策略使候选层可以降低显著性的判别条件，达到大量降低计算复杂度的要求。针对直接抽样轨迹聚类的词袋模型中不同类别

4、对单词贡献不平衡，导致类间相似轨迹的差异性难以表达的问题，为保证每个类别对词典的贡献相同，采用“类内抽样-类内聚类-类外聚类”的三层金字塔聚类得到词典。实验证明，基于“候选-约束”双层前景先验分布的时空视觉显著轨迹选择方法行为分类正确率相比其他稠密轨迹选择方法最少提高0.9%。2．提出了一种基于背景“灰度-光流”双流增量低秩分解的显著轨迹选择方法。针对基于前景建模的轨迹选择方法会丢失必要的运动区域内部轨迹以及对摄像机运动敏感的问题，考虑摄像头引起的背景运动在相同时间段具有相似特性，在时空视频子块中分别提取灰度值与光流分量对背景运动模式建模；然后从低秩矩阵分解的稀疏残差矩阵中获得显著

5、图；最终根据显著性图分别提取灰度流与光流的显著轨迹，得到多视角融合的显著轨迹集。通过对比实验证明，基于双流增量低秩分解的显著轨迹选择方法行为分类正确率相比基于局部强化帧差的方法提高0.17%，相比其他稠密轨迹选择方法最少提高0.9%。关键词：行为识别；显著稠密轨迹；约束先验；低秩分解；金字塔聚类IAbstractHumanbehaviorrecognitionisanimportantwaytoacquire,processandanalyzeinformationfrommassivevideodataatpresent.Duetothefalseextractionofback

6、groundredundanttrajectoriesledbycomplexenvironment,accuratelyextractingtrajectoriesofforegroundmotionfromdensetrajectoriesisabletoobtainthediscriminativefeature.Inthisdissertation,theerrorextractionofbackground-interferentialtrajectoriesundercomplicatedconditionssuchasilluminationchangeandcame

7、ramovementinactionrecognitionbasedondensetrajectoriesisfocusedon.Themainworkcanbesummarizedasfollows:Asalienttrajectoriesselectingmethodbasedon“candidate-constraint”double-layerforegroundpriorinformationtogettemporalandspatialsaliencyof