CASIA OpenIR  > 毕业生  > 博士学位论文
运动目标行为建模与识别
其他题名Behavior Modeling and Recognition on Moving Object
朱鹏飞
学位类型工学博士
导师胡卫明
2010-06-03
学位授予单位中国科学院研究生院
学位授予地点中国科学院自动化研究所
学位专业模式识别与智能系统
关键词行为建模与识别 不变特征 特征融合 原型学习 测度学习 Behavior Modeling And Recognition Invariant Feature Feature Fusion Prototype Learning Metric Learning
摘要运动目标行为建模与识别是计算机视觉领域一个重要的研究方向。在行为分析中,行为特征的提取由于受到视角的转换、光照变化、遮挡等现实环境因素的影响,其行为活动的表示也存在着不稳定性。所以如何从原始视频数据中提取底层特征描述视频行为运动,以及如何选择充分有效的描述方法表征运动状态并且能够在时间分辨率和维数上减少计算量成为视频行为理解中的关键问题之一。另外,针对行为建模的表示方法,如何采用高效可靠的机器识别技术进行视频活动的分类和识别,仍然是亟待解决的问题。底层特征提取与表达和分析模型的建立对一个行为分析系统来说都是至关重要的。 本文从特征层面到分析模型层面展开了一系列的研究工作。主要工作有: 1.按照所分析的行为由简至繁的思路,从六个方面回顾了近些年来行为分析方法的研究现状。主要的行为分析方法有: 非参数化方法;基于体积的方法;参数化方法;图模型的方法;句法方法;基于知识的方法。 2.提出了一种基于不变特征的行为分析方法,首先把图像序列投影到Radon域上,然后进行R变换,随后把R变换曲线扩展成二维图像,用Fourier-mellin变换进行特征提取。在实验中,分别验证了我们方法中特征的不变性,区分性和抗噪性。实验结果表明我们的方法是有效的,我们的特征可以用于行为分析中。当然,这种特征的应用在对实际视频分析时需要提取人的外形,所以有效的前景提取方法是特征得到有效应用的前提。 3.提出了一种基于原型学习算法的行为分类方法。机器学习的方法在行为分析中的应用越来越广泛,原型学习方法具有低存储和较低计算复杂度的特点,而对于实时性要求较高的人的行为分类系统可以用原型学习算法来对目标行为进行分类。简单易获取的特征在这个系统中也是非常重要的,我们方法在实验中得到了验证。 4.提出了一种基于测度学习与原型学习的行为分析方法,因为原型学习算法中距离测度对于分类性能起着至关重要的作用,为了提高分类性能,我们把测度学习引入到原型学习算法中,把基于测度学习的原型学习算法应用到行为分析中,而且从特征层面,我们采用了子空间特征融合方法,实验结果验证了我们的方法。目前测度学习方法有多种类型,在将来的工作中,会尝试用更多的测度学习算法分别与原型学习算法相结合,找到更为有效的行为模式学习方法。 5.提出了一种基于段模型的车辆运动分析方法。段模型能够更好地描述运动信号的平稳性和相关性,使得它具有更好的建模能力。实验结果验证了我们方法的有效性。由此可见,段模型在处理运动分析问题方面,是一个有效的模型,希望在未来能够解决更多的行为建模问题,同时不容忽视的是计算复杂度的问题。段模型快速算法的研究越来越多,也将给模型带来更为广泛的应用。 总的说来,本文对运动目标行为建模与识别方面作了有益的探索。
其他摘要Behavior modeling and recognition on moving object is an important researching direction. As for behavior analysis, the extraction of feature is influenced by the conversion of viewpoint, the change of illumination, the occlusion, and the expression of behavior is unstable. How to extract the low level feature and express the behavior and how to describe the motion state and reduce calculation from the time and the dimension are both key problem of video understanding. As to the expression method of behavior modeling, how to classification and recognition of video action by machine recognition technology is a problem eager to solve. The extraction and expression of low level feature and the building of analysis model are very important for a behavior analysis system. we did a series of research job from feature aspect to analysis model. The main contributions of this thesis include following issues: 1.In accordance with the idea of the behavior to be analyzed from the simple to the complicated,we recalled the methods of behavior analysis in recent years from six aspects. There are six kinds of methods include in:non-parametric method, volumetric method, parametric method, graphical models method, syntactic method, knowledge based method. 2.An action analysis method based on invariant feature is proposed. Firstly, we project the image sequence to the Radon domain.Secondly, we do the R transform, then expand the curve to a two dimension image. Finally, the feature is extracted from this image by Fourier-mellin transform. In the experiment, we test and verify the invariance, the distinguishing and the anti-noising of our method.The experimental result show the effectiveness of our method. While before extracting this kind of feature, the silhouette of human should be extracted.So the effective foreground extraction method is very important for the application of this kind feature. 3.An action classification method based on prototype learning is proposed. The method of machine learning is used in action analysis more and more widely. The prototype learning method have the characteristic of low storage need and low computational complexity. So prototype learning method can be used in a human action classification system. The simple and easy-got feature is very important for the system too. Our method is verified by the experiment. 4.A behavior analysis method based on metric learning and prototype learning is proposed. Because distance metric is very import...
馆藏号XWLW1423
其他标识符200518014628044
语种中文
文献类型学位论文
条目标识符http://ir.ia.ac.cn/handle/173211/6286
专题毕业生_博士学位论文
推荐引用方式
GB/T 7714
朱鹏飞. 运动目标行为建模与识别[D]. 中国科学院自动化研究所. 中国科学院研究生院,2010.
条目包含的文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
CASIA_20051801462804(11748KB) 暂不开放CC BY-NC-SA请求全文
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[朱鹏飞]的文章
百度学术
百度学术中相似的文章
[朱鹏飞]的文章
必应学术
必应学术中相似的文章
[朱鹏飞]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。