基于混沌特征向量的動(dòng)態(tài)紋理識(shí)別.pdf

1、動(dòng)態(tài)紋理識(shí)別是計(jì)算機(jī)視覺領(lǐng)域的核心問(wèn)題之一，廣泛地應(yīng)用于軍事和民事領(lǐng)域中。本文利用混沌特征向量對(duì)動(dòng)態(tài)紋理進(jìn)行描述，實(shí)現(xiàn)了動(dòng)態(tài)紋理的準(zhǔn)確識(shí)別。在對(duì)識(shí)別算法的研究中，本文設(shè)計(jì)了優(yōu)化算法來(lái)提高識(shí)別效果。為了更好的描述動(dòng)態(tài)紋理，本文研究了將低層特征通過(guò)深度學(xué)習(xí)得到高層特征的算法，并將動(dòng)態(tài)紋理識(shí)別方法應(yīng)用于智能交通流的分類。論文的主要工作和創(chuàng)新點(diǎn)有：
　　1.針對(duì)動(dòng)態(tài)紋理的建模問(wèn)題，本文提出了用像素時(shí)間序列作為描述動(dòng)態(tài)紋理的基本特征方法。該

2、方法將像素時(shí)間序列看作一個(gè)整體特征向量，可以得到更多的時(shí)間信息。實(shí)驗(yàn)結(jié)果表明，像素時(shí)間序列對(duì)動(dòng)態(tài)紋理具有一定的描述能力。
　　2.針對(duì)像素時(shí)間序列中存在的自相似性，本文提出了用混沌特征來(lái)描述像素時(shí)間序列的方法。不同于以往用于計(jì)算機(jī)視覺領(lǐng)域的混沌特征向量。在動(dòng)態(tài)紋理中，分形特性相當(dāng)重要。本文提出的混沌特征向量是描述動(dòng)態(tài)紋理的局部特征，經(jīng)過(guò)詞袋模型表示之后，能夠較好的表示動(dòng)態(tài)紋理，取得較高的識(shí)別率。通過(guò)實(shí)驗(yàn)表明，本文選擇的混沌特征在識(shí)

3、別效果上優(yōu)于其它特征。
　　3.針對(duì)詞袋法出現(xiàn)的量化問(wèn)題，提出了基于內(nèi)容的動(dòng)態(tài)紋理識(shí)別方法。該方法首先對(duì)每個(gè)像素時(shí)間序列提取混沌特征向量，然后對(duì)每幅視頻分割，得到前景和背景。接著通過(guò)地球移動(dòng)距離（earth mover’s distance，EMD）來(lái)比較兩幅視頻之間的相似性，來(lái)實(shí)現(xiàn)動(dòng)態(tài)紋理識(shí)別。該算法可以用于交通視頻流識(shí)別。
　　4.針對(duì)常規(guī)的識(shí)別算法中，沒(méi)有考慮特征之間的關(guān)系，本文提出了多任務(wù)學(xué)習(xí)方法來(lái)獲取訓(xùn)練特征之間的

4、關(guān)系，并用alternating direction method of multipliers（ADMM）優(yōu)化算法來(lái)得到更高的識(shí)別率。本文給出的多任務(wù)學(xué)習(xí)模型，能夠很好的獲取多任務(wù)（特征）之間的共性信息和個(gè)性信息。同時(shí)ADMM算法可以很好的保證這個(gè)優(yōu)化問(wèn)題能夠快速準(zhǔn)確的求解。
　　5.針對(duì)直方圖特征的描述性不足，本文采用了深度學(xué)習(xí)方法，通過(guò)對(duì)大量數(shù)據(jù)的學(xué)習(xí)，得到更具有描述性的特征。本章提出的算法框架，通過(guò)將詞袋法得到的直方圖特征