基于多镜头的视频行为识别方法

该文提出一种基于多摄像机信息融合的行为识别方法。新方法使用背景融合的方式融合多镜头的信息．使用背景差分提出人体目标,基于运动惯性定律解决了多目标跟踪的问题,并在行为识别中引入了人工智能和多层次分析等先进的手段。     

新闻视频中主持人镜头识别方法的研究

提出了一种基于主持人镜头中背景不变性的模板匹配法，实验证明，这种主持人镜头识别方法具有算法简单、可靠的特点，具有较高的实用价值。     

基于高层语义词袋的人体行为识别方法

人体行为分析为视频监控系统、视频检索系统提供重要的研究基础。本文提出了一种基于高层语义词袋模型 的人体行为识别方法。该方法根据底层词袋中词汇的相关关系,构造出一个基于词汇交互信息量的底层词汇图;然后使用层 次聚类的方法对该图进行分割,得到底层词汇组模型,最后将该模型表示为高层语义词袋模型。实验结果表明,该方法可以高 效地识别视频中的人体行为。     

基于运动方向的视角无关行为识别方法

针对人体运动方向的随机特性,研究场景中有多台摄像机时视角无关的行为识别方法。利用一台位置固定的摄像机,根据视频序列中运动目标质心空间坐标变化,确定其运动大致方向。根据该方向,选择具有垂直和平行运动轨迹方向视角的相机获得的序列图像,进行行为分析。提取人体运动行为侧像和正像轮廓的关键姿态建立特征库。应用单个相机平行线约束,通过转换因子由图像坐标恢复运动目标关键点的三维坐标,从而确定目标运动方向。建立室内多视角行为视频样本库,实验结果表明,利用该方法识别室内运动行为,能够达到视角无关行为识别的目的。     

基于预处理的视频镜头边界检测算法

针对视频镜头边界检测的高时耗问题,提出了一种基于视频预处理的视频镜头边界检测(SBD)改进算法。通过使用自适应的阈值选择可能包含镜头边界的候选段,候选段内首帧与其余各帧进行相似度对比检测出镜头起始帧,并立即检测切变。若候选段中不包含切变,则进行渐变检测。调整候选段以保证镜头边界位于同一段内,段内其余各帧与起始帧进行相似度对比确定镜头结束帧。实验结果表明,所提算法镜头边界识别准确率能够达到90%以上,且与倒三角模式匹配方法相比能够节约时间15.6%~30.2%;与对渐变和切变分别检测的算法相比,该算法能够在满足识别率的基础上提升检测速度。     

基于多层动态贝叶斯网络的人的行为多尺度分析及识别方法

人的行为识别是视频内容分析和计算机视觉领域中的一个重要问题. 在分析了人的行为包含多个尺度运动细节的基础上, 提出了一种分层且带驻留时间状态的动态贝叶斯网络(Hierarchical durational-state dynamic Bayesian network, HDS-DBN). HDS-DBN含有多层状态, 能够较好地表示人的行为包含的多尺度运动细节. 我们针对单人行为和两人交互行为进行了识别, 实验结果表明该方法具有较高的识别率, 并且在有噪声存在或信息缺失等不确定情况下均具有较好的鲁棒性. 实验结果表明 HDS-DBN 模型确实能够较好地表达行为中的多尺度运动细节.     

基于DA-GCN的煤矿人员行为识别方法

针对煤矿生产区域的监控视频较为模糊且人员行为类型复杂,常规行为识别方法的准确率较低的问题,提出了一种基于动态注意力与多层感知图卷积网络(DA-GCN)的煤矿人员行为识别方法。采用Openpose算法提取输入视频的人体关键点,得到3个维度、18个坐标的人体关键点信息,降低模糊背景信息的干扰;通过动态多层感知图卷积网络(D-GCN)提取人体关键点的空间特征,通过时间卷积网络(TCN)提取人体关键点的时间特征,提高网络对不同动作的泛化能力;使用动态注意力机制,增强网络对于动作关键帧、关键骨架的注意力程度,进一步缓解视频质量不佳带来的影响;使用Softmax分类器进行动作分类。通过场景分析,将井下行为分为站立、行走、坐、跨越和操作设备5种类型,构建适用于煤矿场景的Cumt-Action数据集。实验结果表明,DA-GCN在Cumt-Action数据集的最高准确率达到99.3%,最高召回率达到98.6%;与其他算法相比,DA-GCN在Cumt-Action数据集和公共数据集NTU-RGBD上均具有较高的识别准确率,证明了DA-GCN优秀的行为识别能力。     

基于卷积神经网络的多人行为识别方法

为了解决多人行为识别中人物角色多且难以区分、图片增加的特征维数难以表达和学习以及行为背景复杂且容易产生干扰等问题,提出了一种基于卷积神经网络的多人行为识别方法。考虑到多人行为识别的复杂性,选择较为容易的两人交互行为作为研究对象,对实验中需要的图像数据库进行了初步的收集与预处理;然后选用在特征提取中不受拍摄角度、光照强度影响的Dense-sift算法来对原始图像进行初步的特征提取。由于人体行为图片相对手写数字图片更为复杂,因此为了使该网络能够很好地 识别 人体行为,针对该网络在其输入、网络层数、滤波器核数、学习率、输出等方面进行了修改。实验结果表明,提出的方法对拳击、拥抱、接吻3类交互行为的识别是有效的。     

基于镜头和情节的视频非线性组织

提出了一种新的基于视频单元的视频非线性组织方案,该方案通过将视频分为情节,镜头,视频流三层,以支持视频的高效摘要、存储和浏览。视频组织采取由下而上的方法,首先通过对镜头单元的检测和镜头关键帧的提取,将视频流按镜头进行组织;然后对情节单元划分的基础上,根据所提出的镜头代表性准则,确定情报的代表帧,达到了将镜头按情节组织的目的。文中着重介绍了所提出的采用分级聚类和模糊和分类选取情节代表帧的算法。根据上     

视频镜头边缘检测技术

本文对视频镜头边缘检测的基本原理进行了阐述,介绍了压缩域和非压缩域中视频图象的镜头切换、渐变及溶解的检测方法,以及各类检测方法的基本思想和主要公式,最后指出了性能评价所面临的问题。     

基于深度信息和RGB图像的行为识别算法

人体行为识别是计算机视觉领域的一个热点问题, 然而目前大部分算法都是仅使用RGB或深度视频序列, 很少将它们结合起来进行行为识别。由于它们都有各自的优点且信息是互补的, 因此文中研究深度图像和RGB图像的特性, 不仅提出两种鲁棒的深度图和RGB图像上的行为描述算法, 而且将它们有效融合, 进一步结合多个不同核函数的SVM分类器在具有挑战性的DHA数据集上对它们进行评估。大规模实验结果表明, 文中提出的行为描述算法性能比一些最具代表性算法的性能更好。同时, 深度数据和RGB图像融合后算法性能得到进一步提高, 比单独使用深度数据或RGB图像的性能更好, 且具有较好的区分性和鲁棒性。     

基于PTZ摄像头的视频人脸识别

针对传统的视频人脸识别技术受限于理想的环境条件,无法应用于监控场景的弊端,提出了一种基于PTZ（Pan-Tilt-Zoom,旋转-俯仰-缩放）摄像头的人脸识别方法,并结合AdaBoost人脸检测以及Mean-shift跟踪算法进行了识别。实验结果表明,该方法克服了监控场景图像分辨率低的问题,具有较好的鲁棒性。     

基于Inception V3的高校学生课堂行为识别研究

随着人工智能和深度学习在教育领域的交叉融合,行为识别技术为学生课堂行为观察提供了一种有别于传统的新方法.以云南省X高校课堂视频为基础,经过预处理,获得六大类行为(听课、看书、书写、拍照、低头玩手机、桌面玩手机)30000张图像样本,运用Inception V3算法模型进行了研究,实验结果:六大类行为总识别率达到88.1...     

基于改进损失函数的多阶段行人属性识别方法

大量研究工作通过挖掘属性间的正相关性提高视频监控场景下的行人属性识别性能,但对属性间负相关性的探索仍存在不足.为此,文中基于深度学习理论提出多阶段行人属性识别方法,同时探索属性间的正、负相关性.第一阶段计算每个属性在训练过程中的损失值和正确率.第二阶段为平均损失较大且正确率较小的属性单独建立一个网络分支,其它属性仍保留在原分支上,然后两个分支联合预测所有属性.第三阶段新建两个网络分支,结构与第二阶段的分支相同,优化新分支的参数,使其属性识别性能优于第二阶段.最终使用第三阶段的模型进行属性预测.此外,构建增大正负样本差异的改进损失函数,应用于三个阶段的训练,进一步提升模型性能.在两个行人属性识别数据集RAP和PETA上的实验表明,文中方法性能较优.     

时序增强的视频动作识别方法

针对视频动作识别中的时空建模问题,在深度学习框架下提出基于融合时空特征的时序增强动作识别方法.首先对输入视频应用稀疏时序采样策略,适应视频时长变化,降低视频级别时序建模成本.在识别阶段计算相邻特征图间的时序差异,以差异计算结果增强特征级别的运动信息.最后,利用残差结构与时序增强结构的组合方式提升网络整体时空建模能力.实验表明,文中算法在UCF101、HMDB51数据集上取得较高准确率,并在实际工业操作动作识别场景下,以较小的网络规模达到较优的识别效果.     

基于加速度特征的可拓动作识别方法

针对基于图像和视频的动作识别系统具有特征采集设备复杂、视角固定和需要采集多视角图像等缺点,提出基于加速度特征的可拓动作识别方法。该方法利用物体向不同方向运动时,其关键部位点的三轴加速度具有一定区分度的特点,结合可拓识别方法,实现动作识别。在构建的手臂动作识别系统中,测得动作识别率可达94.4%。该方法可应用于智能监控、医疗电子等领域。     

基于压缩感知的移动用户行为识别方法

为了提高移动用户行为识别的准确率,提出一种基于压缩感知的行为识别方法,其可对原始加速度数据或压缩后的加速度数据进行行为识别。依据压缩感知理论中可以由冗余字典重构数据的原理,将原始三轴加速度数据作为训练样本构造冗余字典,基于该字典求解最小l1范数得到待识别样本的稀疏系数,根据稀疏系数计算并选取最小残差值对应的行为作为识别结果。实验结果表明,该方法识别移动用户行为的准确率可达82.64%,高于传统方法的识别准确率,且对随机投影压缩后的行为数据也具有良好的识别效果。     

基于穿墙信道状态信息的行为识别方法

Wi-Fi CSI提供的被动式行为识别方法在许多场景得到了应用,但现有系统较少考虑信号穿墙的场景,导致信号穿墙后识别精度急剧下降.为提高系统的适应性,对信号穿墙后的行为识别方法进行研究,提出一种基于信道状态信息(CSI)的穿墙行为识别方法.根据CSI数据变化的特性,在预处理阶段,对CSI数据进行相位校准来证明原始CSI...     

基于多支路残差深度网络的跨视角步态识别方法

针对基于卷积神经网络的步态识别模型不能充分利用局部细粒度信息的问题,提出基于多支路残差深度网络的跨视角步态识别方法.将多支路网络引入卷积神经网络中,分别提取步态轮廓序列图中不同粒度的特征,并利用残差学习和多尺度特征融合技术,增强网络的特征学习能力.在公开步态数据集CASIA-B和OU-MVLP上的实验证实文中方法的识别...