隨著民航產(chǎn)業(yè)的發(fā)展,飛行出行已經(jīng)成為時下更多年輕人、中產(chǎn)階級的首選。但是快速增長的旅客人群也為當(dāng)今的機(jī)場安全帶來了巨大的負(fù)擔(dān),停機(jī)坪作為機(jī)場中極其重要的一部分,建立全覆蓋全天候的智能視頻監(jiān)控系統(tǒng)的需求迫在眉睫。智能視頻監(jiān)控中的核心技術(shù)人體行為識別在近幾年發(fā)展迅速,但是研究的重點(diǎn)多是圍繞可見光數(shù)據(jù)展開,在紅外數(shù)據(jù)中少有建樹。基于紅外視頻數(shù)據(jù)的相應(yīng)技術(shù)因紅外圖像色彩紋理信息缺失、目標(biāo)邊緣模糊等問題依舊無法實(shí)現(xiàn)實(shí)時有效的人體行為識別。所以本文的研究針對紅外視頻中的人體行為識別而展開。傳統(tǒng)的行為識別技術(shù)存在的主要問題是特征描述子表征能力弱,在復(fù)雜多變的場景下魯棒性差,特征維度巨大,往往需要使用特殊的編碼方法降維,這無疑加大了計算成本。而近幾年興起的卷積神經(jīng)網(wǎng)絡(luò)方法,其特征學(xué)習(xí)能力強(qiáng),能夠通過數(shù)據(jù)分布自適應(yīng)地捕獲其中的信息,提取出抽象的語義特征,其端到端的模型結(jié)構(gòu)也大大減少了數(shù)據(jù)預(yù)處理和后續(xù)分類的計算成本。所以本文采用卷積神經(jīng)網(wǎng)絡(luò)的方法,對紅外視頻中的人體動作信息進(jìn)行學(xué)習(xí)建模。本文的主要貢獻(xiàn)如下:首先,本文提出了兩種分別適合RGB數(shù)據(jù)和光流數(shù)據(jù)的三維卷積神經(jīng)網(wǎng)絡(luò)。兩支網(wǎng)絡(luò)根據(jù)相應(yīng)的數(shù)據(jù)類型做出結(jié)構(gòu)...

【文章頁數(shù)】：81 頁

【學(xué)位級別】：碩士

【部分圖文】：

目標(biāo)跟蹤的研究已發(fā)展了幾十年，各類算法層出不窮。而動作識別分類的研究，由于其對視頻數(shù)據(jù)的需求、硬件計算能力的要求，在一段時間都停滯不前。而在近幾年，隨著圖像芯片的迅速發(fā)展，全球范圍內(nèi)視頻數(shù)據(jù)的累積、大量科研人員投入關(guān)注，使得基于視頻序列的動作識別的算法[8]又再次新興了起來。在過....

圖2.1RGBdifference[30]模擬光流前面說到光流是目前深度學(xué)習(xí)算法中使用最多效果最好的網(wǎng)絡(luò)輸入特征，但是對龐數(shù)據(jù)計算光流是很大的工作量，極度占用計算資源，因此為了大大減小計算成本，Pher等人[35]提出了通過生成式網(wǎng)絡(luò)來生成的類光流特征圖的模擬光流特征，....

可能在三維空間里就可以通過一個平面來劃分，而這個平面就是所謂的超平面。SVM的訓(xùn)練就是使得每類樣本都距離這個超平面越來越遠(yuǎn)，而且通過引入懲罰系數(shù)來對錯誤分類的樣本進(jìn)行調(diào)節(jié)，從而提高整體的分類水平。但是由于SVM提高數(shù)據(jù)維度的操作，有時候也會伴隨著維度災(zāi)難的產(chǎn)生。不過總體而言，....

圖2.4卷積操作積神經(jīng)網(wǎng)絡(luò)對比于其他神經(jīng)網(wǎng)絡(luò)的優(yōu)勢也主要體現(xiàn)在對卷積層的三種改進(jìn)中，局部感知、權(quán)值共享和多卷積核。部感知。如圖2.5所示，傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)采用全連接的方式對輸入圖像的全局，這樣對于一個mm的輸入圖像而言，需要一個mm的濾波器進(jìn)行處理，所數(shù)個數(shù)為....

本文編號：4011045