在线人体动作识别是人体动作识别的最终目标,但由于如何分割动作序列是一个待解决的难点问题,因此目前大多数人体动作识别方法仅关注在分割好的动作序列中进行动作识别,未关注在线人体动作识别问题.本文针对这一问题,提出了一种可以完...在线人体动作识别是人体动作识别的最终目标,但由于如何分割动作序列是一个待解决的难点问题,因此目前大多数人体动作识别方法仅关注在分割好的动作序列中进行动作识别,未关注在线人体动作识别问题.本文针对这一问题,提出了一种可以完成在线人体动作识别的时序深度置信网络(Temporal deep belief network,TDBN)模型.该模型充分利用动作序列前后帧提供的上下文信息,解决了目前深度置信网络模型仅能识别静态图像的问题,不仅大大提高了动作识别的准确率,而且由于该模型不需要人为对动作序列进行分割,可以从动作进行中的任意时刻开始识别,实现了真正意义上的在线动作识别,为实际应用打下了较好的理论基础.展开更多
针对现有视频监控系统智能化的视频分析功能不足的问题,利用海康监控系统的SDK开发包,获取实时视频流,并结合码本和尺度不变局部三元模式(scale invariant local ternary pattern,SILTP)纹理描述符构建背景模型,进行了移动目标检测和跟...针对现有视频监控系统智能化的视频分析功能不足的问题,利用海康监控系统的SDK开发包,获取实时视频流,并结合码本和尺度不变局部三元模式(scale invariant local ternary pattern,SILTP)纹理描述符构建背景模型,进行了移动目标检测和跟踪研究。实验结果表明,与现有系统相比,该方法检测到的目标完整充实,能够获得目标的轮廓与轨迹,有效提升了原有监控系统的性能。展开更多
文摘在线人体动作识别是人体动作识别的最终目标,但由于如何分割动作序列是一个待解决的难点问题,因此目前大多数人体动作识别方法仅关注在分割好的动作序列中进行动作识别,未关注在线人体动作识别问题.本文针对这一问题,提出了一种可以完成在线人体动作识别的时序深度置信网络(Temporal deep belief network,TDBN)模型.该模型充分利用动作序列前后帧提供的上下文信息,解决了目前深度置信网络模型仅能识别静态图像的问题,不仅大大提高了动作识别的准确率,而且由于该模型不需要人为对动作序列进行分割,可以从动作进行中的任意时刻开始识别,实现了真正意义上的在线动作识别,为实际应用打下了较好的理论基础.
文摘针对现有视频监控系统智能化的视频分析功能不足的问题,利用海康监控系统的SDK开发包,获取实时视频流,并结合码本和尺度不变局部三元模式(scale invariant local ternary pattern,SILTP)纹理描述符构建背景模型,进行了移动目标检测和跟踪研究。实验结果表明,与现有系统相比,该方法检测到的目标完整充实,能够获得目标的轮廓与轨迹,有效提升了原有监控系统的性能。
