資源描述：
《基于流形學習的人體動作識別方法研究》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。
1、基于流形學習的人體動作識別方法研究重慶大學碩士學位論文（學術學位）學生姓名：蔣瑋指導教師：尹宏鵬副教授專業(yè)：控制科學與工程學科門類：工學重慶大學自動化學院二O一六年四月ResearchonMethodsofHumanActionRecognitionBasedonManifoldLearningAThesisSubmittedtoChongqingUniversityinPartialFulfillmentoftheRequirementfortheMaster’sDegreeofEngineeringByJiangWeiSupervisedbyAss.Prof.YinHongpengSpe
2、cialty：ControlScienceandEngineeringCollegeofAutomationofChongqingUniversity,Chongqing,ChinaApril2016中文摘要摘要隨著計算機技術和網(wǎng)絡技術的發(fā)展，圖像和視頻信息的獲取變得越來越容易。在這些海量的信息中人們最關注的往往還是其中包含的人體動作信息。人體動作識別作為計算機視覺和機器學習等領域的熱門研究方向，就是研究如何讓計算機自動的獲取、分析視頻和圖像中包含的人體動作信息。人體動作識別技術在許多方面如：智能視頻監(jiān)控、視頻內(nèi)容檢索、運動分析、人機交互等都有著廣泛的應用前景。然而，由于人體動作本身的復雜多
3、變性，當前人體動作識別研究在提高識別的精度和速度方面還面臨著很大的挑戰(zhàn)。本文的研究圍繞將流形學習算法應用在人體動作識別上展開，尤其是面向視頻和圖像中的人體動作識別。本文研究的側重點在于動作特征的提取和分類器的設計兩個方面。在動作特征提取方面，本文對可用于人體動作特征降維的幾種流形學習的算法進行了探討，給出了一種基于流形學習的動作識別框架。然后結合傳統(tǒng)流形學習算法的原理和實驗結果分析了傳統(tǒng)流形學習算法在動作特征降維過程中存在的問題，隨后提出了相應的改進方案和算法。在分類器設計方面，本文將語音識別中廣泛采用的DTW算法用于動作特征序列的分類器設計，并對其進行了改進。本文的主要研究工作及取得的成果
4、如下：①針對動作特征降維過程中，傳統(tǒng)的流形學習方法無法有效的處理非連通流形數(shù)據(jù)的維數(shù)約簡問題，結合譜聚類算法提出了一種改進方案。根據(jù)此法在傳統(tǒng)的流形學習算法等距映射（ISOMAP）、拉普拉斯特征映射（LE）基礎上進行了改進，最后在人造數(shù)據(jù)集和動作數(shù)據(jù)庫上進行實驗，取得了較好的效果。②針對動作特征降維過程中，傳統(tǒng)的流形學習算法拉普拉斯特征映射（LE）增量學習能力弱的問題進行了探究。結合Nystr?m近似方法對拉普拉斯特征映射算法進行了改進，并結合非連通流形學習改進方法進一步提出了增量的非連通拉普拉斯特征映射改進算法。最后通過動作數(shù)據(jù)庫上的實驗驗證。③針對DTW分類器在魯棒性動作識別測試中識別能
5、力較弱的問題，提出了一種結合KNN算法的分類器改進方法。改進后的分類器在Weizmann魯棒性動作數(shù)據(jù)庫上取得了不錯的分類性能。關鍵詞：動作識別；流形學習；非連通流形數(shù)據(jù)；增量學習；LEI英文摘要ABSTRACTWiththedevelopmentofcomputertechnologyandnetworktechnology,peoplegetinformationfromimagesandvideosbecomeeasier.Amongthesevastamountsofinformation,peoplealwayspaymoreattentiontotheinformationabo
6、uthumanaction.Humanactionrecognitionisoneofthepopularresearchdirectionofcomputervisionandmachinelearning.Itistostudyhowtomakecomputercaptureandrecognizehumanactioninthevideosorimagesautomatically.Theresearchofhumanactionrecognitionhasawiderangeofapplicationssuchas:intelligentvideosurveillance,conte
7、nt-basedvideoretrieval,motionanalysis,human-computerinteractionandsoon.However,duetothecomplexityanddiversityofhumanactions,therearestillsomebigchallengesinimprovingtheaccuracyandspeedofhumanactionrecogniti
