人體行為識別作為視頻理解中的一個重要研究領(lǐng)域,其在智能監(jiān)控、智能看護(hù)、人機交互以及機器人控制等場景有著廣泛的應(yīng)用。在人體行為識別的研究中,采用RGB視頻數(shù)據(jù)容易受到背景多樣性、光照變化、行為人衣著變化等因素影響,而人體骨架數(shù)據(jù)本身是對人體的高度抽象,且具有相對較好的抗干擾性,因此基于骨架的行為識別研究成為一個熱點。目前骨架行為識別方法中,基于卷積神經(jīng)網(wǎng)絡(luò)的方法能精確地對骨架序列進(jìn)行時空建模,但是所采用的模型參數(shù)量較大,并且需要用大型圖像分類數(shù)據(jù)庫預(yù)訓(xùn)練,這對硬件的存儲和計算性能帶來了挑戰(zhàn)。此外,人人交互行為作為人體行為的一個子集,沒有被針對性地建模,因此人人交互行為識別的準(zhǔn)確度還有待提升。針對上述問題,本文提出了一種輕量型的人人交互行為識別方法,能在占用極少參數(shù)量且無需預(yù)訓(xùn)練的情況下精確地識別人人交互行為。本文主要工作如下:首先,本文使用從深度相機獲取的三維骨架數(shù)據(jù)進(jìn)行行為識別。針對行為識別模型參數(shù)量大的問題,本文以極少的參數(shù)構(gòu)建了一種輕量型卷積神經(jīng)網(wǎng)絡(luò)用于人人交互行為識別,該網(wǎng)絡(luò)包含特征提取網(wǎng)絡(luò)、交互特征學(xué)習(xí)模塊以及行為分類模塊。為了提取骨架序列中人體行為的時空特征,本文首先將骨架序...

【文章頁數(shù)】：81 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖4.3PCM可視化結(jié)果圖(a)“右手肘”關(guān)節(jié)點PCM(b)“右手腕”關(guān)節(jié)點PCM

圖4.6FlowNet2.0[6]網(wǎng)絡(luò)結(jié)構(gòu)示意圖

本文編號：4001480