针对人体行为识别问题，提出一种基于径向基函数（BP）神经网络的人体行为分类算法。首先，利用奇异值分解（SVD）算法提取视频每一帧的奇异值，将每一帧的奇异值按照行拼接起来即为一个视频的样本，样本按照行排成样本矩阵；然后，利用主成分分析（PCA）对得到的矩阵进行去相关并且降低维数，降低维数的矩阵再进行线性鉴别分析（LDA），使样本变得线性可分；最后，利用BP神经网络对样本进行分类；实验结果表明，与采用最近邻分类和K近邻分类（kNN）相比，所提算法具有更高的识别率。
2021-11-03 11:21:20
765KB
1
为了准确地描述人体骨骼的运动细节以及3D骨骼间的几何关系, 提出一种基于四元数3D骨骼表示的人体行为识别方法。首先, 在已捕获的关键帧集合的基础上, 对普通关键帧和变速关键帧分别采用线性插值和二次多项式插值, 获得相同帧数的骨骼序列；然后, 针对所得的骨骼序列, 采用四元数对每帧中3D骨骼间的几何关系进行描述,获得四元数骨骼特征描述子；最后, 采用支持向量机分类器对这一系列特征描述子进行训练和测试, 得到最终的识别结果。在3个标准数据库上的实验结果均显示, 四元数骨骼特征描述子对噪声、运动速度变化、视角变化和时域不对齐都具有很好的稳健性, 可以显著提高人体行为识别的准确率。
2021-10-19 21:01:24
6.21MB
1
人体行为识别与理解逐渐成为如图像分析、人机交互、视频检索以及智能监控等领域的基础保障，其广泛的应用前景以及潜在的社会、经济价值，已使其成为计算机视觉分析领域中备受关注的前沿方向。在各种人体行为识别方法中，基本特征都具有不可替代的作用，基于目前已有的研究成果，对基本特征进行改进，并选择合适的分类器进行分类识别。
2021-10-07 15:58:33
2.95MB
1
针对长短时记忆网络(LSTM)不能有效地提取动作前后之间相互关联的信息导致行为识别率偏低的问题,提出了一种基于Bi-LSTM-Attention模型的人体行为识别算法。该算法首先从每个视频中提取20帧图像,通过Inceptionv3模型提取图像中的深层特征,然后构建向前和向后的Bi-LSTM神经网络学习特征向量中的时序信息,接着利用注意力机制自适应地感知对识别结果有较大影响的网络权重,使模型能够根据行为的前后关系实现更精确的识别,最后通过一层全连接层连接Softmax分类器并对视频进行分类。通过Action Youtobe和KTH人体行为数据集与现有的方法进行比较,实验结果表明,本文算法有效地提高了行为识别率。
2021-09-24 02:23:54
4.73MB
1
MATLAB人体行为识别，可以识别动作姿态，行为是否异常。可以导入视频或者图片。带界面GUI。matlab，需要具备一定编程基础。
2021-09-22 16:01:24
2.15MB
1
为改善人体行为识别任务中准确率低的问题，提出了一种基于批归一化的卷积神经网络（CNN）与长短期记忆(LSTM)神经网络结合的神经网络。CNN部分引入批归一化思想，将输入网络的训练样本进行小批量归一化处理，经过全连接之后，送入长短期记忆神经网络中。该算法采用时空双流网络模型结构，视频数据的RGB图像作为空间流网络输入，光流场图像作为时间流网络输入，再将时空双流网络各自得到的识别结果进行加权融合得到最终的行为识别结果。实验结果表明，本文设计的时空双流神经网络算法在人体行为识别任务上具有较高的识别准确率。
2021-09-08 18:55:06
603KB
1
行业分类-外包设计-基于在线序贯极限学习机的递增式人体行为识别方法.zip
2021-08-31 09:04:53
939KB