基于时空兴趣点和词袋模型的人体行为识别方法研究

《基于时空兴趣点和词袋模型的人体行为识别方法研究》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、单位代码：10293密级：公开硕士学位论文论文题目：基于时空兴趣点和词袋模型的人体行为识别方法研究学号1015010601姓名石爱辉导师曹雪虹教授学科专业信号与信息处理研究方向现代通信中的智能信号处理申请学位类别工学硕士论文提交日期二零一八年四月ResearchonHumanBehaviorRecognitionMethodBasedonSpace-TimeInterestPointsandBagofWordsModelThesisSubmittedtoNanjingUniversityofPostsandTelecomm

2、unicationsfortheDegreeofMasterofEngineeringByShiAihuiSupervisor:Prof.CaoXuehongApril2018南京邮电大学学位论文原创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的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的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京邮电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。本人学

3、位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。研究生学号：___________研究生签名：____________日期：____________南京邮电大学学位论文使用授权声明本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文档；允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索；可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质论文的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。涉密学位论文在解密后适用本授权书。

4、研究生签名：____________导师签名：____________日期：_____________摘要人体行为识别技术是计算机视觉领域一个重要的研究方向，在人机交互、视频监控、虚拟现实等多个方面具有广泛的应用前景。基于时空兴趣点构建词袋模型的人体行为识别方法具有计算复杂度低、对背景噪声不敏感以及鲁棒性强等优点，近年来得到人体行为识别研究者的广泛关注，经过研究者的共同努力，尽管该算法在人体行为识别课题研究中取得了显著进步，但仍存在视觉词汇区分度不够强、特征编码硬量化误差大等问题。鉴于此，本文在深入研究词袋模型的基础上，提

5、出了相应的改进算法，具体研究工作总结如下：1）提出了一种基于分层聚类构建视觉词典的算法，形成更具有代表性和区分度的视觉单词，使得表征视频时类内相似性高而类间差异度大，且结合视频表达级层面上的特征融合能有效地表征视频。实验结果表明所提算法在运行效率和识别率方面都有明显的提升。2）提出了一种增强型局部聚合描述子向量编码方法。该算法能有效剔除存在的异常特征描述子，并且根据局部线性约束编码系数对VLAD编码采用软量化策略，充分考虑了特征描述子与视觉词汇之间的空间分布。实验结果表明所提算法提升了视频特征编码的性能。3）提出了一种基于

6、BP神经网络分类器的人体行为识别方法。其中对权重初始化方式以及激活函数的选择进行了研究并引入Dropout技术有效避免过拟合现象的出现，优化了BP神经网络模型，在分类识别方面表现出较好的性能。实验结果表明所提方法与常用的分类方法如KNN、贝叶斯分类器以及支持向量机相比，具有更好的识别效果。关键词:词袋模型，特征编码，BP神经网络，行为识别IAbstractHumanbehaviorrecognitiontechnologyisanimportantresearchfieldinthefieldofcomputervisio

7、n.Ithasawiderangeofapplicationsprospectsinmanyaspectssuchashuman-computerinteraction,videosurveillance,virtualrealityandsoon.Thehumanbehaviorrecognitionmethodbasedonspatio-temporalinterestpointsbuildingbag-of-wordsmodelhastheadvantagesoflowcomputationalcomplexity,

8、insensitivitytobackgroundnoiseandstrongrobustness,Inrecentyears,ithasattractedagreatdealofattentionfromresearchersinhumanbehaviorrecognition.Withthejoin