論文開(kāi)題：基于局部時(shí)空特征的動(dòng)作分類方法

大學(xué)本科畢業(yè)論文(設(shè)計(jì))開(kāi)題報(bào)告
學(xué)院： 計(jì)算機(jī)科學(xué)與技術(shù)　　 專業(yè)班級(jí)： 計(jì)算機(jī)科學(xué)與技術(shù)（泉州）班

課題名稱 基于局部時(shí)空特征的動(dòng)作分類方法

1、本課題的研究目的和意義：
人體行為識(shí)別已成為計(jì)算機(jī)視覺(jué)研究領(lǐng)域中一個(gè)重要且極具挑戰(zhàn)的課題，受到國(guó)內(nèi)外研究者的廣泛關(guān)注。目前簡(jiǎn)單場(chǎng)景下的單人簡(jiǎn)單動(dòng)作識(shí)別問(wèn)題已基本解決，而復(fù)雜場(chǎng)景下的行為識(shí)別仍受到背景、光照和視角變化等影響，導(dǎo)致識(shí)別率不高。人體運(yùn)動(dòng)分析包含人體檢測(cè)、目標(biāo)分類和跟蹤、動(dòng)作識(shí)別和高層行為理解等內(nèi)容，在智能監(jiān)控、視頻檢索、智能人機(jī)接口、智能家居環(huán)境和身份鑒別等領(lǐng)域有著廣泛的應(yīng)用前景
……（新文秘網(wǎng)http://120pk.cn省略469字，正式會(huì)員可完整閱讀）……　
采用基于局部特征的特征檢測(cè)和描述方法，以及基于詞袋模型的人體行為表示方法對(duì)人體行為進(jìn)行建模，最后采用有效的SVM或KNN分類器進(jìn)行分類識(shí)別。運(yùn)用圖像處理與計(jì)算機(jī)視覺(jué)的相關(guān)知識(shí)，建立一個(gè)魯棒的基于局部特征的行為分類實(shí)驗(yàn)系統(tǒng)。
4、擬解決的關(guān)鍵問(wèn)題
旨在綜合運(yùn)用所學(xué)的圖像處理和計(jì)算機(jī)視覺(jué)的相關(guān)知識(shí)，解決人體行為識(shí)別領(lǐng)域存在的問(wèn)題，
動(dòng)作識(shí)別和行為理解的主要任務(wù)是利用計(jì)算機(jī)技術(shù)對(duì)包含人的動(dòng)作的視頻進(jìn)行分析分類。首先從人體動(dòng)作中提取特征數(shù)據(jù)，然后建立人體行為模型并訓(xùn)練出基于動(dòng)作類別的分類器，最后利用訓(xùn)練好的分類器對(duì)測(cè)試視頻進(jìn)行分類識(shí)別。



5、研究思路、方法和步驟：
首先采用基于Gabor濾波器和Gaussian濾波器相結(jié)合的檢測(cè)算法從視頻中提取時(shí)空興趣點(diǎn)，然后抽取興趣點(diǎn)的靜態(tài)特征、運(yùn)動(dòng)特征和時(shí)空特征，并分別對(duì)運(yùn)動(dòng)進(jìn)行表征，最后利用基于時(shí)空碼本的動(dòng)作分類器對(duì)動(dòng)作進(jìn)行分類識(shí)別。在國(guó)內(nèi)外主要的行為數(shù)據(jù)集上進(jìn)行測(cè)試并分析實(shí)驗(yàn)結(jié)果。


6、本課題的進(jìn)度安排：
2013.1-2013.3.3 課題調(diào)研，撰寫(xiě)并提交開(kāi)題報(bào)告
2013.3.4-2013.3.11 系統(tǒng)分析與功能設(shè)計(jì)
2013.3.12-2013.3.31 系統(tǒng)詳細(xì)設(shè)計(jì)、各主要功能模塊的實(shí)現(xiàn)算法設(shè)計(jì)
2013.4.1-2013.5.1 代碼實(shí)現(xiàn)與模塊調(diào)試
2013.5.2-2013.5.31 系統(tǒng)整合與調(diào)試運(yùn)行
2013.6.1-2013.6.20 撰寫(xiě)畢業(yè)論文并準(zhǔn)備答辯

7、參考文獻(xiàn)：
1.胡瓊，秦磊，黃慶明. 基于視覺(jué)的人體動(dòng)作識(shí)別綜述. 計(jì)算機(jī)學(xué)報(bào).2013 Accept
2.劉長(zhǎng)紅,楊楊，劉應(yīng)輝.基于稀疏編碼的時(shí)空金字塔匹配的動(dòng)作識(shí)別.小型微型計(jì)算機(jī)系統(tǒng)，vol.33,no.1,2012.
3.劉長(zhǎng)紅,楊楊，陳勇.一種魯棒的動(dòng)作分類方法.計(jì)算機(jī)工程與應(yīng)用.vol.47,no.28,2011.
4.I. Laptev, M. Marszałek, C. Schmid, B. Rozenfeld, “Learning realistic human actions from movies”, In Proceedings of the Conference on Computer Vision and Pattern Recognition (CVPR’08), ……（未完，全文共2069字，當(dāng)前僅顯示1315字，請(qǐng)閱讀下面提示信息。收藏《論文開(kāi)題：基于局部時(shí)空特征的動(dòng)作分類方法》）