基于图集的多视角动作识别算法研究-计算机技术专业论文.docxVIP

万方数据 万方数据 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取 得的研究成果，除了文中特别加以标注和致谢之处外，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 天津理工 大学 或 其他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。 学位论文作者签名： 签字日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解 天 津 理 工 大 学 有关保留、使用学位论文 的规定。特授权 天津理工大 学 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，并采用影印、缩印或扫描等复制手段保存、汇编， 以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复本和电子 文件。 （保密的学位论文在解密后适用本授权说明） 学位论文作者签名： 导师签名： 签字日期： 年 月 日 签字日期： 年 月 日 摘要 在计算机视觉研究领域中，基于视频的人体动作识别一直都是一个富有挑战 性的课题，主要应用于监测系统和人机交互领域，而且很多研究者在此领域投入 了大量的精力并取得了不错的成绩，但是，很多传统的动作识别算法都是基于单 视角的，容易受到光照、遮挡、形状和外形的变动等因素的影响。因此，很多的 研究者开始关注多视角的动作识别，但是如何挖掘多视角之间的关联？目前基于 图集的视频人脸识别算法已经证明了图集算法能够挖掘不同视角图像的互补信 息，而且取得了很好的性能。因此，本文提出了基于图集的动作识别算法。主要 的研究工作如下： 1) 提出了一种基于图集和组稀疏的多维人体动作识别算法。首先，对每个 视频分别提取稠密轨迹特征；然后，利用 K-means 创建共同码书，并通过共同码 书对稠密特征进行投影编码，从而形成 BoW 特征；最后，训练基于图集和组稀疏 的多维人体动作识别模型。三个公共多视角动作数据集的实验结果表明本文提出 的方法是有效的。基于图集的方法能更进一步提高多视角动作识别的性能，而且 组稀疏的加入，使得该算法的性能要比现有算法的性能更好。 2) 评估了图集中样本数目对算法性能的影响。对比人脸数据集和人体动作 数据集可知，在人脸识别中，每个人脸图集有几十甚至几百张图像，而多视角动 作识别中，每个图集却只有 3-5 个样本。由此,本文将探究图集中样本数目对图 集算法性能的影响。首先在人脸数据集上，利用现有的基于图集的人脸识别算法 进行实验，改变图集中样本数目。根据实验结果发现，图集中训练样本/测试样 本数目的增加会提高识别的准确率，同样，在人体动作数据集上的进一步验证实 验可以得出同样的结论。 3) 提出了基于反转测试图集模型的人体动作识别算法。首先，与基于图集 和组稀疏的多维人体动作识别算法一样，为每个视频提取 BoW 特征；其次，对于 每个测试集，计算与训练集中每个子集的综合距离，选取距离最小的子图集加入 到测试集中；最后，由训练集重建测试集和反转测试图集，使得反转测试图集模 型最优。因此，该模型同时挖掘了训练集中不同动作之间的关系和测试集中不同 样本之间的互补性能。大量实验证明在测试集中加入反转测试图集对分类是很有 帮助的，而且基于反转测试图集模型的性能要比现有算法的性能更好，鲁棒性更 高。 关键词：人体动作识别 多视角 图集 组稀疏 反转测试 Abstract Human action recognition from videos is a hot research topic in computer vision, which has been applied into surveillance system and human machine interface. Many researchers had paid attention into this field, and obtained satisfying performance. However, many traditional action recognition algorithms are based on single view, which will be affected by light, shade, high variability of appearance and shapes. Thus, many researchers put their attentions on multi-view action recognition, but how to mine the relationships among different views? Since video face recognition algor