基于深度学习的人体行为识别网络设计

基于深度学习的人体行为识别技术是计算机视觉领域的重要的研究方向,是智能视频监控、虚拟现实、视频检索等领域的关键技术,有重要的研究价值。本文主要针对视频中的人体行为进行识别,围绕人体行为识别网络展开研究。针对目前人体行为识别相较于图像识别的特殊性,提出基于3D卷积神经网络的特征提取与训练方法,通过采用3D卷积层搭建DenseNet,从而提高网络中的特征利用率,提升神经网络的识别率。最后实验结果证明了本文所采用的方法在提高人体行为识别的识别率上的有效性。     

基于视觉的运动人体行为分析技术研究

近年来,运动人体行为分析吸引了越来越多的计算机视觉研究人员的注意。它是计算机视觉中最具吸引力的研究领域之一,其研究核心是从视频序列中检测、跟踪、识别运动人体并对运动人体的行为进行理解和描述。该研究方向在智能安全监控、人机接口、视频会议等方面具有广泛的应用前景和巨大的潜在经济价值。     

结合CNN的人体行为识别特征特取模型的改进

人体行为识别是计算机视觉研究的一个热点,其目标是从一个未知的视频或者是图像序列中自动分析其中正在进行的行为。针对目前人体行为识别过程中特征提取仍旧存在的参数过多、特征提取效果不好等缺陷,本文在RBM模型的基础上提出一种结合卷积神经网络的特征提取模型,在人体行为测试库上的测试表明,本文提出的卷积条件限制玻尔兹曼模型能在人体行为识别的准确度上优于RBM模型。     

人体行为识别方法研究

<正>本文针对常用基于RGB和RGBD的人体行为识别数据库特点,提出对不同识别方法如何选择行为识别的数据库的观点。在人体行为识别行业起到作用。分析视频中人体的行为是行为识别研究的重要内容,作为计算机视觉范畴的重要研究课题,行为识别不仅具有重要的科学意义,而且具有十分关键的现实应用价值,对我们的生产生活有很大影响。一方面,现在的电脑计算能力越来越强大,另一方面,它的价格却越来越便宜。计算机的出现和使用,最大限度地减轻了人的压力,避免了人力和物力的浪     

一种基于人体动作控制的智能系统

人体动作控制的智能系统设计是集计算机视觉与硬件系统设计于一体的综合性研究课题。本文基于视频图像的目标行为分析,以人体动作检测与识别为研究重点,在实现动作识别的基础上完成人机交互功能的扩展。在软件算法部分,本文采用了背景减除法与分水岭算法相结合的运动目标前景提取方法。针对人体动作的识别分类,采用了HOG特征提取方法和多分类SVM分类器进行分类,以实现对目标动作的识别。     

人体动作识别浅析

基于视觉的人体动作识别是将图像序列赋予动作标记的过程。稳健的解决该问题能应用于视频监控、视频检索以及人机交互等领域。这项工作面临诸如运动表现不同、记录设置不同、以及人内在的差别等一系列挑战。本文简单讨论哪些会影响图像表示和分类效果的一些因素。     

基于神经网络的人体动态行为智能识别方法

针对传统方法的人体动态行为智能识别方法存在识别率较低等问题,提出基于神经网络的人体动态行为智能识别方法。对人体动态行为数据预处理,并构建人工神经网络模型,实现人工神经网络训练以及特征提取;将视频的光流图像放置于卷积神经网络模型中,获取图像的时域特征;融合人工神经网络特征与时域特征,并将其放入SVM中进行类别划分,实现基于神经网络的人体动态行为智能识别。仿真实验研究结果表明,所提方法能够有效提升人体动态行为识别准确率,并且整个方法的综合性能较好。     

基于视觉的人体识别概述

首先对基于视觉的人体识别介绍研究的背景及意义进行了概述,然后分别介绍了人体识别的构成、行为识别的分类技术,最后提出了存在的问题以及未来发展的趋势。     

基于流形学习的人体异常行为识别方法

人的每项活动都通过人体行为体现,而对人体的异常行为监控是监控系统主要工作。文章提出视频监控基于流形学习的人体异常行为的智能化识别,研究提出了流形学习的2D2MSD新算法来增强算法的行为分类能力,通过实验验证新算法可提高识别率和鲁棒性,对降维后的数据也能够很好地保留鉴别信息。     

改进的粒子滤波的视频图像目标跟踪技术

主要研究了视频图像目标跟踪准确性问题。在基于核的颜色特征统计描述及以此建立视觉目标观测概率方法的基础上,提出了一种改进的粒子滤波视频图像目标跟踪算法。首先,本文给出了基于标准粒子滤波的单特征、单目标跟踪算法,然后针对加权样本参数的选择不同,提出改进思路,最后通过与基于均值移位视觉目标跟踪算法的实验结果对比。提出的改进的粒子滤波跟踪算法在稳健性方面有显著地提高,而且若适当选择视觉跟踪参数,在实时性方面能得到有效地保证。     

临床医学

<正>婴幼儿视功能人工智能评估技术中山大学中山眼科中心刘奕志教授和林浩添教授发现正常和视觉损伤婴幼儿的行为模式差异,并利用深度学习技术,在全球首次建立了基于行为模式的婴幼儿智能视功能评估系统,用于客观筛查婴幼儿的视功能,及时发现语言前婴幼儿的视觉损伤。相关论文发表于Nature Biomedical Engineering。该研究明确视觉损伤和行为模式的量化关系,应用时序分割网络为核心的医学人工智能算法框架,建立婴幼儿智能视功能评估系统。通过行为模式的视频记录来评估婴幼儿的视觉功能,智能评估     

基于计算机视觉的网约车车载智能监控系统研究

提出一种基于计算机视觉的网约车车载智能监控系统,构建了先进的机器视觉解决方案框架,采用Haar-like特征结合视频帧间检测算法,智能检测人脸并实现异常行为的自动预警。可及时发现乘车过程中的安全威胁和潜在危险,防患于未然,实现保护网约车乘客安全的目的。     

基于嵌入式视觉技术的军事禁区人员监控

通过对军事禁区人员的视觉特征提取提高军事禁区的人员监控和识别能力。提出一种基于嵌入式视觉技术的军事禁区人员监控技术,系统采用4台计算机,3台显示器,虚拟现实设备设计,整个系统的控制是通过连有手控器的计算机来实现军事禁区人员的视觉特征提取,构建视觉特征提取的状态方程和观测方程,对嵌入式视觉特征进行运动属性分析和图像处理,实现人员监控特征分析算法改进。仿真结果表明,该系统能有效实现远距离视频监控和人员特征识别及嵌入式视觉定位,测距误差较低,对军事禁区人员的监控精度提高,对远程监控视频特征的场景恢复性能较好,能有效识别人员的行为和视觉特征,性能优越。     

人体行为识别的数据库对比研究

<正>分析视频中人体的行为是行为识别研究的重要内容,作为计算机视觉范畴的重要研究课题,行为识别不仅具有重要的科学意义,而且具有十分关键的现实应用价值,对我们的生产生活有很大影响。现在的计算机的计算能力越来越强大,而价格却越来越便宜。计算机的出现和使用,最大限度地减轻了人的压力,避免了人力和物力的浪费。用于行为识别的数据库是实现行为识别研究的第一步,本文将针对现有的数据库做出总结和分析。     

陈昌红：穿透“迷雾”看“人群”

由于在智能监控、高级人机交互、虚拟现实、视频检索等方面有着广泛的应用前景和巨大的经济价值，人体行为分析激发了广大研究者和相关企业的浓厚兴趣，成为了以美国、英国为代表的许多国家的重点项目的研究热点，同时也引起来学术界的高度重视。     

基于混合高斯模型与差分法的运动目标检测

视频监控涉及计算机视觉、模式识别和人工智能等多个领域,它是指在不同环境下对人和车辆进行的实时观察,根据观察对象的动作、行为进行分析,为用户提供信息。视频监控过程分为运动目标检测、目标跟踪、目标分类和目标分析。     

高效运动目标检测算法研究

运动目标检测是计算机视觉与视频图像处理领域的重要研究课题之一,在视频监控、安防、智能交通、军事、科研等领域都有广泛的应用。提出了一种基于OpenCV的高效运动目标检测算法。     

3D视频传输系统的设计和研究

基于人立体视觉原理基础,设计一种3D视频传输系统。采用RTP/RTCP协议传输两路视频,首先利用改进的FCA算法减少丢包率;其次在丢包的情况下,采用时间戳同步策略,确保两路视频同步传输。     

基于内容的视频检索关键技术研究

基于内容的视频检索是当前计算机视觉与知识挖掘等领域研究的热点之一。本文较系统地介绍了该研究方向的现状，镜头检测，基于运动特征的视频检索，镜头聚类等关键技术，并提出了今后研究的方向。     

李玺:解码计算机视觉模式识别之路

正近年来,防止恐怖活动或者行为的发生成为了人们最迫切的愿望。基于国家在经济发展过程中对公共社会安全的重大需求,浙江大学计算机学院人工智能研究所李玺教授开展了摄像机网络的视觉监控和行为分析方面的应用基础研究,在目标跟踪、目标行为识别、