目录
目录
1绪论 (1)
1.1课题研究背景 (1)
1.2课题研究现状 (2)
1.3课题研究内容 (4)
1.4论文的结构安排 (5)
2人体动作运动视频图像与运动信息表征 (7)
2.1运动历史图像 (7)
2.1.1运动历史图像基本理论 (7)
2.1.2彩虹编码 (9)
2.1.3改进的运动历史图像 (11)
2.1.4实验结果分析 (13)
2.2深度运动图 (15)
2.2.1深度运动图基本理论 (15)
2.2.2伪彩色化DMMs (16)
2.2.3三维旋转模拟不同视角 (17)
2.2.4实验结果分析 (19)
2.3本章小结 (20)
3基于卷积神经网络的人体动作识别 (21)
3.1常见的卷积神经网络 (21)
3.1.1卷积神经网络简介 (21)
3.1.2常见的卷积网络 (22)
3.2网络设计及参数调节 (25)
3.2.1主要参数设计 (25)
3.2.2实验结果及分析 (28)
3.3网络测试流程及方法 (29)
3.3.1数据准备与网络训练 (29)
3.3.2微调网络 (30)
3.3.3精度曲线与损失函数曲线图绘制 (31)
3.3.4网络测试 (32)
3.3.5实验结果及分析 (33)
3.4特征级融合与决策级融合 (34)
3.4.1特征级融合 (35)
Ⅰ
西安理工大学硕士学位论文
Ⅱ
3.4.2决策级融合 (36)
3.4.3实验结果及分析 (36)
3.5本章小结 (37)
4网络训练平台的搭建与系统实现 (39)
4.1环境搭建 (39)
4.1.1Caffe的基本介绍 (39)
4.1.2深度网络的环境配置方法和流程 (39)
4.2Ubuntu下MATLAB安装及Caffe接口编译 (41)
4.2.1MATLAB安装 (41)
4.2.2编译Caffe的MATLAB接口 (42)
4.3识别系统界面及功能 (42)
4.4本章小结 (45)
5实验与结果分析 (47)
5.1数据库介绍 (47)
5.2验证方法 (48)
5.2.1同目标验证 (48)
5.2.2跨目标验证 (48)
5.3实验结果及分析 (48)
5.4本章小结 (50)
6总结与展望 (51)
6.1主要工作内容及总结 (51)
6.2存在的问题及进一步研究 (51)
致谢 (53)
参考文献 (55)
附录 (59)
绪论
11绪论
当今社会科学技术高速发展，各个行业都在追求信息数据化、智能化，模式识别以及计算机视觉等领域也在不断地进行技术革新。计算机视觉就是让计算机、摄像头等机器如同人类一样接收信息，分析处理其语义信息，并作出应对策略。人体动作识别作为计算机视觉领域的一个重要研究方向，随着深度学习的逐渐兴起，也有了新的解决思路，本文就此展开了探索与研究。
1.1课题研究背景
人体动作识别作为众多领域的基础技术之一，一直被人们视为重点研究对象。它主要是对人物的动作类型进行识别分类，并且对其使用自然语言进行描述。
人体动作识别技术具有很高的市场价值，其在智能监控【1-4】、运动分析、人机交互【5】以及医疗监护等领域都有着广阔的应用前景。传统的视频监控通常需要人工介入，通过现场查看实时视频或者事后查看回放视频对视频中的可疑人物及事件进行排查及分析。但这种传统的监控方式存在许多问题。其一，采用人工监测会浪费大量的财力人力；其二，夜间通常是事件高发时段，但人员容易困顿疲惫，因此很容易造成安全隐患。那么，如果在一些事件高发区域使用基于人体动作识别技术的智能监控系统，就可以很好的避免以上问题。在运动分析领域，体育竞技项目一直深受人们的喜爱，将人体动作识别应用于竞技体育中来，不仅可以进行更公平公正的判分，还有利于运动员了解人体的运动机制，从而进一步提升自身的竞技技能水平。就医疗监护领域来说，目前中国的人口老龄化愈发严重，国家提出诸多政策拟缓解该问题持续恶化，如开放二胎政策。同时，老年人的健康问题也亟待解决。尤其是一些独居老人或者子女外出工作独自在家的老人，一旦发生突发状况而未被及时发现，很可能会造成严重的后果甚至危及生命。这种情况下，如果有一套智能化的医疗监护系统，能对突然跌倒、老年痴呆病人出门等突发情况进行检测并报警，则能够对老年人的健康安全监护起到很好的促进作用。而在游戏娱乐行业，日本任天堂公司于2006年销售了一款可以识别出游戏玩家手臂的游戏手柄“Wii Sports”，这种以虚拟现实为基础的游戏方式轰动游戏领域，颠覆了传统游戏的形式。随后，微软公司于2010年推出了深度传感器Kinect ，如图1-1所示，它彻底摒弃了传统游戏手柄的。
图1-1微软Kinect
Fig.1-1Kinect launched by
Microsoft