視頻中人體行為預(yù)測的方法研究.pdf

1、稀疏數(shù)據(jù)背景下的人體行為預(yù)測在現(xiàn)實(shí)生活中存在著廣泛的應(yīng)用場景，不僅可以在部分?jǐn)?shù)據(jù)丟失的情況推測事情的發(fā)生過程幫助還原事件真相，也可以在異常行為發(fā)生前期預(yù)測其后果，防忠于未然。人體行為預(yù)測通過對正在進(jìn)行中的行為進(jìn)行早期推斷，僅利用已觀測的部分行為數(shù)據(jù)進(jìn)行分析，預(yù)測出即將完成的行為類別。然而當(dāng)前國內(nèi)外對視頻中人體行為預(yù)測的研究工作較少，尤其在不完整數(shù)據(jù)的情況下，本文主要針對預(yù)測模型的實(shí)時(shí)性和特征優(yōu)化問題兩方面進(jìn)行研究，主要工作如下:

2、　　第一，為解決利用有限的目標(biāo)觀測視頻數(shù)據(jù)對行為類別進(jìn)行實(shí)時(shí)推斷，使其在計(jì)算資源受約束時(shí)，均衡預(yù)測精度和實(shí)時(shí)性，本文提出一種基于稀疏編碼和滑動(dòng)窗口策略的SCSW預(yù)測算法。通過將每種行為分成多個(gè)有序的子片段，提取訓(xùn)練視頻子片段的時(shí)空特征作為基向量，并使用稀疏編碼對其重構(gòu)，運(yùn)用滑動(dòng)窗口的策略，依次計(jì)算窗口內(nèi)目標(biāo)觀測視頻子片段與訓(xùn)練視頻對應(yīng)子片段之間的相似度。最后聯(lián)合所有相似度得到目標(biāo)觀測視頻屬于某類的后驗(yàn)概率。
　　第二，為了更高的預(yù)

3、測精度，需要捕捉高效的能最大化區(qū)分類間差異最小化類內(nèi)差異的特征，本文提出一種基于統(tǒng)計(jì)的特征優(yōu)化算法。通過擴(kuò)大同一行為同一子片段的特征樣本，計(jì)算每種特征在樣本中的頻數(shù)和方差，經(jīng)過數(shù)次迭代，篩選出每種行為每個(gè)子片段穩(wěn)定的最有代表性的特征。進(jìn)一步，在特征優(yōu)化的基礎(chǔ)上，使用神經(jīng)網(wǎng)絡(luò)算法對缺失前段視頻中的行為進(jìn)行前向預(yù)測。
　　最后，本文在兩個(gè)國外公開的人體交互行為數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)證明本文提出的SCSW算法在提高了模型實(shí)時(shí)性的前提下仍