版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、動作識別和行為理解是計算機視覺領(lǐng)域的熱門課題。它被廣泛應(yīng)用于人機交互,智能視頻監(jiān)控,虛擬現(xiàn)實,運動分析等領(lǐng)域,有很高的學(xué)術(shù)研究和實際應(yīng)用價值。由于人體運動是非剛性運動,同一動作類型會因不同的人或不同場景發(fā)生變化,不同動作類型的差異又較小,因此在視頻序列中檢測和識別人體動作的難度要高于其他的目標(biāo)。
目前基于隱馬爾科夫模型的動作識別算法存在以下幾個難題:(a)構(gòu)建觀測值與隱含狀態(tài)之間的概率模型不準(zhǔn)確;(b)每個觀測值對應(yīng)一組局部特
2、征,構(gòu)建局部特征之間的關(guān)系不準(zhǔn)確;(c)為了得到較好的實驗結(jié)果,在機器學(xué)習(xí)階段有時需要依賴手工標(biāo)注;(d)模型推理過程耗時。針對上面這些問題,本文提出一種基于隱馬爾科夫模板模型下的行為識別算法,該算法歸納如下:
本模型的基本構(gòu)成包括一系列隱含狀態(tài)和觀測值,通過活動模板模型計算觀測值與隱含狀態(tài)間的概率,相比常用的剛性模板,活動模板對視角和外觀的變化有很好的魯棒性,從而準(zhǔn)確地描述了觀測值與隱含狀態(tài)間的概率模型。關(guān)鍵姿態(tài)間的轉(zhuǎn)移概率
3、通過統(tǒng)計的方法得到,從而準(zhǔn)確地構(gòu)建了局部特征間的關(guān)系。模型參數(shù)通過“期望最大化”算法從訓(xùn)練數(shù)據(jù)中自動學(xué)習(xí)得到,從而不需要手動標(biāo)注。模型推理過程通過動態(tài)規(guī)劃算法快速完成,將計算復(fù)雜度由指數(shù)級降到了多項式級。
本文在Matlab平臺上用Weizmann動作數(shù)據(jù)集來測試本文提出方法,實驗結(jié)果表明“左向右型”隱馬爾科夫模板模型在描述姿態(tài)間的切換規(guī)律方面有明顯的優(yōu)越性;提取形狀和運動的聯(lián)合特征時可以達到最佳識別效果;每個動作可以分為幾個
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于隱馬爾科夫模型的語音識別新算法的研究.pdf
- 基于隱馬爾科夫模型的人臉識別.pdf
- 基于隱馬爾科夫模型的目標(biāo)人體識別.pdf
- 基于隱馬爾科夫模型的鋼琴音符識別算法研究.pdf
- 基于連續(xù)隱馬爾科夫模型的語音識別
- 基于連續(xù)隱馬爾科夫模型的語音識別
- 基于隱馬爾科夫模型的步態(tài)身份識別.pdf
- 基于連續(xù)隱馬爾科夫模型的語音識別
- 基于連續(xù)隱馬爾科夫模型的語音識別
- 基于Ⅱ-型模糊隱馬爾科夫模型的火焰識別.pdf
- 隱馬爾科夫模型hiddenmarkovmodel
- 基于隱馬爾科夫模型的語音識別技術(shù)研究.pdf
- 基于連續(xù)隱馬爾科夫模型的語音識別.doc
- 基于連續(xù)隱馬爾科夫模型的語音識別.doc
- 基于連續(xù)隱馬爾科夫模型的語音識別.doc
- 基于隱馬爾科夫模型的人臉識別技術(shù)研究.pdf
- 基于隱馬爾科夫模型的人臉認(rèn)證算法研究.pdf
- 基于連續(xù)隱馬爾科夫模型的語音識別 (2)
- 基于連續(xù)隱馬爾科夫模型的語音識別.doc
- 基于連續(xù)隱馬爾科夫模型的語音識別.doc
評論
0/150
提交評論