基于卷積神經(jīng)網(wǎng)絡的人體行為識別研究.pdf

1、近年來，高清視頻設備的推出使得基于行為識別技術的人工智能在智慧安全城市、智能家居和軍事安防等領域得以飛速發(fā)展。廣泛的應用前景和經(jīng)濟價值讓行為分析與識別這一技術迅速成為計算機視覺領域的研究熱點。傳統(tǒng)的行為識別算法通常分為運動前景檢測、特征提取以及訓練識別三個步驟。雖然該方法的識別率尚可接受，但是其魯棒性不高，且工作量巨大。此外，實際場景中目標之間多有遮擋、背景復雜多樣以及拍攝角度不固定等因素都造成傳統(tǒng)方法識別困難甚至失效。本文旨在利用卷積

2、神經(jīng)網(wǎng)絡(Convolutional NeuralNetworks，CNN)改善傳統(tǒng)行為識別方法中存在的這些問題，在提高算法魯棒性的同時盡量提高識別的準確率。
　　針對背景減差法和幀間差分法在運動幅度不太大的情況下無法提取完整前景的缺點，本文提出基于高斯差分（Difference of Gaussian，DoG）圖像的人體剪影提取算法。該方法利用兩張相鄰高斯尺度空間的圖像相減構造包含人體輪廓信息的差分圖像，然后對其進行二值強化、形

3、態(tài)學處理等操作得到粗略的人體剪影圖像;第二步使用閡值對每行的粗略人體剪影區(qū)域進行掃描檢測，再經(jīng)閉運算等操作后得到完整準確的人體剪影圖像。為融合圖像序列的時域信息，本文累加周期內的人體剪影圖像，生成二維特征圖，并將其送入到CNN中進行訓練識別。最終，經(jīng)過網(wǎng)絡調參和五折交叉驗證等實驗后在KTH公共數(shù)據(jù)集上得到85.3％的平均準確率，證明該識別框架具有一定的可行性。
　　為了更好地處理視頻數(shù)據(jù)，學者們將卷積神經(jīng)網(wǎng)絡擴展到了三維。本文利用

4、3D CNN進行實驗，發(fā)現(xiàn)特征組合“光流圖-幀差圖-三幀幀差圖”可以取得最佳識別效果。經(jīng)過網(wǎng)絡調參和五折交叉驗證等實驗后在KTH公共數(shù)據(jù)集上得到92.0％的平均準確率。其次，通過分析KTH數(shù)據(jù)集中各類樣本數(shù)量的比例分布及其對應的準確率，本論文提出使用二次訓練、過取樣策略和擴展數(shù)據(jù)集這三種改進方法來證明數(shù)據(jù)分布不均衡對實驗結果確有影響，并以此提高識別率。最終，三種改進方法分別達到93.5％、92.8％和94.7％的平均準確率，為小樣本或不