导　　师： 韩国强;殷秋丰

授予学位： 硕士

作　　者： (）;

机构地区： 华南理工大学

摘　　要： 近几年,随着移动互联网的飞速发展,以苹果i OS操作系统和谷歌安卓操作系统为标志等面向普通用户的移动智能操作系统的出现,并且摩尔定律在移动芯片上依然有效,使得智能手机等智能移动设备在消费者群体中得到爆发性的普及。在智能移动设备的广泛普及与易于使用的人机交互方式的前提下,基本附有摄像头的上述设备使得视频数据爆发式的增长。除此以外,物联网、智慧城市、数字电视等行业的兴起,每天都产生海量的视频数据。因此,对视频进行智能分析的需求日益紧迫。行为识别一直是计算机视觉领域中较为活跃的研究方向之一,在安防监控、人机互动、视频检索、医疗卫生等商业领域有着巨大的应用潜力。在2012年,AlexNet在ImageNet比赛中所取得卓越成果标志着的深度学习算法的成熟,给计算机视觉领域带来了革新性的变化,而在二维图像分析处理方面,更是如此。而深度学习在三维视频序列上的算法正处于初期的探索研究阶段。本文主要针对视频序列中的行为识别问题设计并实现一种基于深度学习的行为识别算法,并着重叙述其工程实现和优化改进。本文主要内容有以下三个方面:1.以深度学习算法为基础,参考现有的一些论文和解决方案,总体阐述了一个利用集成多个分析处理流的针对三维视频序列的行为识别算法,并具体阐述其各自分析处理流子算法的算法流程。分析处理流共有静止帧分析流、光流分析流、短视频序列分析流、长视频序列分析流、音频分析流等。2.从整体上详细介绍整个视频序列行为识别系统的架构设计、各个模块的基本功能和关键数据结构,然后分章节介绍其训练模块和推理模块此两大核心模块,以及其相通用的部分处理模块,并描述对部分子模块的性能优化改进。3.对该系统的性能进行测试,获得其行为识别分类的�

关 键 词： 行为识别 深度学习 多分析处理流 三维视频序列

领　　域： [] []