论文部分内容阅读
人体行为识别研究是当前计算机视觉领域的重点热门问题。考虑复杂多样的环境和人体行为相似性与混淆性等因素,人体行为识别在识别准确率方面仍具很大的提升空间。近年来,利用深度神经网络这一新兴热门技术,在人体行为识别准确率上已获得较大提升。本文的研究内容是基于改进ISA深度网络的人体行为识别研究与实现。本文的主要工作如下:1、分析ISA神经网络的不足并进行启发性改进思考,创造性的提出基于细分融合模型SFM(Subdivision-Fusion Model,SFM)的改进ISA深度网络,包括基于细分的ISA深度网络训练阶段和基于融合的ISA深度网络识别阶段。在训练阶段中提供聚类细分子类的两种方法,包括基于特征空间分布的细分方法和基于类不平衡现象的细分方法。2、结合改进的ISA深度网络模型,完成基于改进ISA深度网络的人体行为识别研究系统实现。3、利用基于改进ISA深度网络的人体行为识别研究系统,对三个国际常用标准人体行为视频库Hollywood2、KTH和You Tube进行实验和详细分析。本文的主要成果贡献如下:1、创造性的提出基于细分融合模型SFM的改进ISA深度网络,并利用“SSC聚类细分”、“特征空间到样本空间重新映射”和“二次训练学习”的改进思路,形成一种与大多数神经网络均不相同的独具特色的映射变换过程。2、改进的ISA深度网络能一定程度的避免“过拟合”问题,进而提高神经网络性能;其次,能更具针对性的对人体行为视频进行训练学习,有助于提取更具判别性的优秀人体行为特征;并且,间接的加深了神经网络层数,一定程度上有利于提取更抽象和更具不变性的优秀特征,进而提高人体行为识别准确率。3、实验结果表明,在Hollywood2、KTH和YouTube三个国际常用标准人体行为视频库上,改进的ISA深度网络在识别准确率方面,与原ISA神经网络相比取得明显的提升效果,并且超过或达到国际领先识别准确率水平。