基于深度學(xué)習(xí)的動作識別研究.pdf

1、動作識別鑒于其在視頻跟蹤、運(yùn)動分析、輔助醫(yī)療、虛擬現(xiàn)實和人機(jī)智能交互等領(lǐng)域的廣泛應(yīng)用而成為計算機(jī)視覺領(lǐng)域的研究熱點。動作識別技術(shù)是指通過一些方法使計算機(jī)對視頻或者圖像序列中的運(yùn)動行為提取出具有分辨能力的特征進(jìn)行識別分析。盡管目前已經(jīng)提出了許多動作識別的方法，但是這個問題依然具有挑戰(zhàn)性。動作識別的主要難點是設(shè)計一個模型，使其不僅能從背景中檢測出目標(biāo)和動作，而且能準(zhǔn)確識別動作多樣性的變化，如動作有部分被遮擋時和同一動作在不同的環(huán)境下發(fā)生時導(dǎo)

2、致的變化等。目前很多手動設(shè)計的模型，對特定的動作有一定的識別能力，對更加普遍的動作多樣的變化的識別能力有一定的限制。基于深度學(xué)習(xí)方法構(gòu)建深度網(wǎng)絡(luò)自動地提取特征是目前動作識別中值得關(guān)注的一個方向。
　　本文提出基于深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)模型，對動作識別進(jìn)行了研究。首先，我們訓(xùn)練UCF101數(shù)據(jù)集學(xué)習(xí)一個深度雙流卷積神經(jīng)網(wǎng)絡(luò)模型并測試其性能，該模型包括空間流和時間流的深度卷積神經(jīng)網(wǎng)絡(luò)，空間網(wǎng)絡(luò)以視頻中的RGB圖像為輸入，從靜止圖像中捕

3、捉描述目標(biāo)外觀的信息;時間網(wǎng)絡(luò)以光流圖為輸入，提取描述動作的運(yùn)動信息。其次，本文提出了多階段訓(xùn)練深度卷積神經(jīng)網(wǎng)絡(luò)的方法，使用多個分類器聯(lián)合識別視頻中的動作。另外，本文利用支持向量機(jī)分類器對卷積網(wǎng)絡(luò)自動提取的特征進(jìn)行分類，有效提高了識別的準(zhǔn)確率。最后，我們使用遷移學(xué)習(xí)的方法在HMDB51數(shù)據(jù)集上進(jìn)行動作識別。
　　本文提出的基于深度學(xué)習(xí)的動作識別算法在兩個基準(zhǔn)的動作識別數(shù)據(jù)集上進(jìn)行了驗證，實驗的結(jié)果表明本文提出的算法比已有的先進(jìn)方法