导　　师： 许勇

授予学位： 硕士

作　　者： (）;

机构地区： 华南理工大学

摘　　要： 视频分析在近几十年已经成为计算机视觉领域最令人瞩目的研究内容之一,而视频行为识别作为其中至关重要的一环,一直备受中外学者关注。视频行为识别技术通过特定视觉特征对视频的内容进行抽象描述和分析,进而对行为动作进行分类,从而使机器能够自动识别视频中的人体行为。由于视频行为特征提取需要同时表征空间和时序上的特征信息,因此视频行为识别是个极具挑战的课题。虽然目前人们在视频行为识别的研究上已取得一定的成果,但随着生活水平的提高和硬件设备的快速发展,视频数据在人类生活中呈爆炸式增长,这也对视频行为识别等视频分析技术提出了更高的要求。未来视频分析技术日益成熟,视频行为识别等相关技术的研究将被应用于视频监控、智能家居、人机交互、运动视频分析、视频检索等人类生活和生产的方方面面。因此,对视频行为识别进行深入而长远的研究具有重大意义。本文主要研究将轨迹池化和带注意机制的长短时记忆神经网络应用于视频中的人体行为识别,所做工作概括如下:(1)考虑到视频中的“局部上下文”在视频行为识别过程中可作为重要信息,在已有的轨迹池化方法的基础上,提出三维轨迹池化方法用于提取运动特征和“局部上下文”特征,减少部分轨迹偏移带来的误差,强化视频行为识别特征;(2)提出基于轨迹池化的带注意机制的长短时记忆神经网络(TP-ALSTM),结合所提出的三维轨迹池化方法与带注意机制的长短时记忆神经网络(ALSTM)的优势,在利用轨迹捕获视频运动信息的同时利用注意机制关注重要的静态空间特征,从而提高行为识别的鲁棒性和准确性;(3)本文最后在公开的行为识别数据集上分别对三维轨迹池化方法和TP-ALSTM网络进行实验验证和分析,通过各数据集的行为识别准确率以及部分视频样本的特

关 键 词： 行为识别 轨迹池化 神经网络 长短时记忆神经网络

领　　域： [] []