基于深度學(xué)習(xí)的人體動作識別方法研究.pdf

1、人體動作識別任務(wù)是視覺領(lǐng)域十分熱門的研究課題，該任務(wù)涉及到多學(xué)科的方法融合，并在人機(jī)互動、視頻檢索、智能控制、虛擬現(xiàn)實(shí)等領(lǐng)域具有廣闊的發(fā)展前景，因此人體動作識別任務(wù)具有十分重大的研究意義和應(yīng)用價值。雖然目前許多研究者都在試圖使用不同的方法來提高識別分析行為的準(zhǔn)確性，但由于人體動作本身的多樣性與復(fù)雜性，以及視頻場景中其他信息的干擾，使得對于人體動作特征的學(xué)習(xí)以及相應(yīng)的特征識別任務(wù)，仍然是需要繼續(xù)研究的重要問題。
　　本文首先提出一種

2、基于深度特征學(xué)習(xí)的動作識別序列模型。通過使用卷積神經(jīng)網(wǎng)絡(luò)與條件隨機(jī)場的聯(lián)合建模，采用結(jié)構(gòu)改進(jìn)設(shè)計的卷積神經(jīng)網(wǎng)絡(luò)，來層級性的學(xué)習(xí)圖像中的深度空間特征，再使用改進(jìn)的條件隨機(jī)場進(jìn)行序列建模以考慮圖像之間的時間依賴關(guān)系，即視頻序列的時序信息，從而建立一種卷積神經(jīng)隨機(jī)場模型，用于人體動作識別的任務(wù)中。接著，本文對于無監(jiān)督的反卷積網(wǎng)絡(luò)進(jìn)行改進(jìn)，加入標(biāo)簽信息的正則化約束，形成一種半監(jiān)督深度特征學(xué)習(xí)方法。通過在無監(jiān)督網(wǎng)絡(luò)結(jié)構(gòu)上的學(xué)習(xí)中加入正則化因子，引

3、入小部分有標(biāo)注數(shù)據(jù)來引導(dǎo)特征學(xué)習(xí)的方向，使得具有相同類別標(biāo)簽的特征表達(dá)能夠盡量的相近，而具有不同類別標(biāo)簽的特征則盡量的相異，從而強(qiáng)化類別內(nèi)的特征表達(dá)重疊性，弱化類別間的特征表達(dá)重疊性。最后，本文將半監(jiān)督反卷積特征學(xué)習(xí)方法與卷積神經(jīng)隨機(jī)場模型進(jìn)行整體結(jié)合，通過使用半監(jiān)督反卷積特征學(xué)習(xí)方法訓(xùn)練有效的特征學(xué)習(xí)模型，而后將該模型中得到的參數(shù)與網(wǎng)絡(luò)結(jié)構(gòu)提取出來，作為卷積神經(jīng)隨機(jī)場中特征學(xué)習(xí)部分的預(yù)訓(xùn)練參數(shù)，通過有效的特征學(xué)習(xí)參數(shù)的引入，可以引導(dǎo)卷