本文選題：日常行為識別 + 行為特征強化��； 參考：《大連海事大學》2017年碩士論文

【摘要】：如何從行為數(shù)據中提取好的刻畫行為的特征信息是取得良好識別結果的關鍵。研究特征強化技術的根本目的在于:提高行為特征對行為的表達能力,從而改善行為識別的準確率。雖然現(xiàn)今強化行為特征的方法很多,但是大多不能凸顯行為數(shù)據中具有的特性。再者,現(xiàn)在的研究者們把采集到的數(shù)值信息作為提取行為特征的唯一來源,而忽視了數(shù)值間的聯(lián)系,沒能將行為特征的表達能力發(fā)揮到極致。另外,絕大多數(shù)的行為特征構造方法涉及到過多的傳感器狀態(tài)信息,當數(shù)據采集者更換時就需要重新提取行為特征以及訓練行為模型,使得行為特征對參與者十分敏感,且其可通用性較差。針對行為特征強化方法存在的問題,本文首先提出了基于傳感器狀態(tài)強化的日常行為識別方法發(fā)掘并強化行為特征的特性,克服了行為特征代表性不足的問題。其次,本文通過基于BoF時態(tài)原語強化的行為識別方法在行為特征中融入了時序因素,豐富了行為特征的內涵。另外,本文提出的基于時態(tài)原語的日常行為識別方法不僅解決了對參與者數(shù)據依賴性過強的問題,還為符號化的行為特征賦予了易于理解的物理意義,改善了行為表達與識別的效果。
[Abstract]:How to extract the characteristic information of describing behavior from behavior data is the key to obtain good recognition results. The basic purpose of the research on feature enhancement is to improve the expression ability of behavior features to improve the accuracy of behavior recognition. Although there are many ways to enhance behavior characteristics, most of them can not highlight the characteristics of behavior data. Furthermore, the present researchers regard the collected numerical information as the only source of extracting behavior characteristics, but ignore the relationship between the values, and fail to maximize the expression of behavior characteristics. In addition, most of the behavior feature construction methods involve too much sensor state information. When the data collector changes, it is necessary to reextract the behavior feature and train the behavior model, which makes the behavior feature very sensitive to the participants. And its versatility is poor. Aiming at the problem of behavior feature enhancement, this paper first proposes a new method based on sensor state enhancement to discover and enhance the behavior feature, which overcomes the problem that the behavior feature is not representative enough. Secondly, the behavior recognition method based on the reinforcement of the BoF tense combines the temporal factor into the behavior feature, which enriches the connotation of the behavior feature. In addition, the method of daily behavior recognition based on temporal primitives not only solves the problem of excessive dependence on participants' data, but also gives an easy-to-understand physical meaning for symbolic behavior features. It improves the effect of behavior expression and recognition.
【學位授予單位】：大連海事大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP212.9

【相似文獻】

相關期刊論文 前10條

1 李寧;須德;傅曉英;袁玲;;結合人體運動特征的行為識別[J];北京交通大學學報;2009年02期

2 張偉東;陳峰;徐文立;杜友田;;基于階層多觀測模型的多人行為識別[J];清華大學學報(自然科學版);2009年07期

3 吳聯(lián)世;夏利民;羅大庸;;人的交互行為識別與理解研究綜述[J];計算機應用與軟件;2011年11期

4 申曉霞;張樺;高贊;薛彥兵;徐光平;;一種魯棒的基于深度數(shù)據的行為識別算法[J];光電子.激光;2013年08期

5 鄭胤;陳權崎;章毓晉;;深度學習及其在目標和行為識別中的新進展[J];中國圖象圖形學報;2014年02期

6 曾青松;余明輝;賀衛(wèi)國;李玲;;一種行為識別的新方法[J];昆明理工大學學報(理工版);2009年06期

7 谷軍霞;丁曉青;王生進;;基于人體行為3D模型的2D行為識別[J];自動化學報;2010年01期

8 李英杰;尹怡欣;鄧飛;;一種有效的行為識別視頻特征[J];計算機應用;2011年02期

9 王新旭;;基于視覺的人體行為識別研究[J];中國新通信;2012年21期

10 王忠民;曹棟;;坐標轉換在移動用戶行為識別中的應用[J];北京郵電大學學報;2014年S1期

相關會議論文 前7條

1 苗強;周興社;於志文;倪紅波;;一種非覺察式的睡眠行為識別技術研究[A];第18屆全國多媒體學術會議（NCMT2009）、第5屆全國人機交互學術會議（CHCI2009）、第5屆全國普適計算學術會議（PCC2009）論文集[C];2009年

2 齊娟;陳益強;劉軍發(fā);;基于多模信息感知與融合的行為識別[A];第18屆全國多媒體學術會議（NCMT2009）、第5屆全國人機交互學術會議（CHCI2009）、第5屆全國普適計算學術會議（PCC2009）論文集[C];2009年

3 方帥;曹洋;王浩;;視頻監(jiān)控中的行為識別[A];2007中國控制與決策學術年會論文集[C];2007年

4 黃紫藤;吳玲達;;監(jiān)控視頻中簡單人物行為識別研究[A];第18屆全國多媒體學術會議（NCMT2009）、第5屆全國人機交互學術會議（CHCI2009）、第5屆全國普適計算學術會議（PCC2009）論文集[C];2009年

5 安國成;羅志強;李洪研;;改進運動歷史圖的異常行為識別算法[A];第八屆中國智能交通年會優(yōu)秀論文集——智能交通與安全[C];2013年

6 王忠民;曹棟;;坐標轉換在移動用戶行為識別中的應用研究[A];2013年全國通信軟件學術會議論文集[C];2013年

7 劉威;李石堅;潘綱;;uRecorder:基于位置的社會行為自動日志[A];第18屆全國多媒體學術會議（NCMT2009）、第5屆全國人機交互學術會議（CHCI2009）、第5屆全國普適計算學術會議（PCC2009）論文集[C];2009年

相關重要報紙文章 前4條

1 李晨光;導入CIS要注意什么？[N];河北經濟日報;2001年

2 農發(fā)行鹿邑支行黨支部書記 行長 劉永貞;發(fā)行形象與文化落地農[N];周口日報;2007年

3 東林;行為識別新技術讓監(jiān)控沒有“死角”[N];人民公安報;2007年

4 田凱　徐蕊 李政育 信木祥;博物館安全的國際經驗[N];中國文物報;2014年

相關博士學位論文 前10條

1 邵延華;基于計算機視覺的人體行為識別研究[D];重慶大學;2015年

2 仝鈺;基于條件隨機場的智能家居行為識別研究[D];大連海事大學;2015年

3 馮銀付;多模態(tài)人體行為識別技術研究[D];浙江大學;2015年

4 姜新波;基于三維骨架序列的人體行為識別研究[D];山東大學;2015年

5 韓姍姍;基于視覺的運動人體特征描述與行為識別研究[D];浙江工業(yè)大學;2015年

6 裴利沈;視頻中人體行為識別若干問題研究[D];電子科技大學;2016年

7 周同馳;行為識別中基于局部時空關系的特征模型研究[D];東南大學;2016年

8 徐海燕;復雜環(huán)境下行為識別特征提取方法研究[D];東南大學;2016年

9 何衛(wèi)華;人體行為識別關鍵技術研究[D];重慶大學;2012年

10 吳秋霞;復雜場景下的人體行為識別[D];華南理工大學;2012年

相關碩士學位論文 前10條

1 唐小琴;基于全局和局部運動模式的人體行為識別研究[D];西南大學;2015年

2 胡秋揚;可穿戴式個人室內位置和行為監(jiān)測系統(tǒng)[D];浙江大學;2015年

3 陳鈺昕;基于時空特性的人體行為識別研究[D];燕山大學;2015年

4 任亮;智能車環(huán)境下車輛典型行為識別方法研究[D];長安大學;2015年

5 金澤豪;并行化的人體行為識別方法研究與實現(xiàn)[D];華南理工大學;2015年

6 王呈;穿戴式多傳感器人體日�；顒颖O(jiān)測系統(tǒng)設計與實現(xiàn)[D];南京理工大學;2015年

7 王露;基于稀疏時空特征的人體行為識別研究[D];蘇州大學;2015年

8 于靜;基于物品信息和人體深度信息的行為識別研究[D];山東大學;2015年

9 章瑜;人體運動行為識別相關方法研究[D];南京師范大學;2015年

10 趙揚;家庭智能空間下基于行走軌跡的人體行為理解[D];山東大學;2015年

，

本文編號：2018790