基于深度学习的人体行为识别技术研究

发布时间：2025-05-20 00:03

　　随着计算机信息技术和人工智能技术的发展,人体行为识别成为最热门的研究方向之一,并广泛应用于人机交互、自动驾驶、智能家居、智能监控以及医疗保健等领域。传统的人体行为识别算法需要人工针对特定任务进行设计,且提取特征的过程比较复杂,导致效率低下、泛化能力差。近年来基于深度学习的三维卷积神经网络算法以端到端的方式提取行为特征、准确率高等优点替代了传统算法。但也存在一些不足之处,首先,三维卷积神经网络参数量、复杂度大,不能充分提取时空特征;其次,当输入的视频信息时间过长时,网络不能充分捕获长时间序列中人体行为特征的相互依赖关系,容易丢失重要的特征信息。基于以上问题,本文主要进行以下研究工作:针对C3D网络参数量、复杂度大,不能充分提取时空特征问题,本文设计了一种基于SR3D网络的人体行为识别算法。该网络将BN层和Re Lu激活函数放置在三维卷积层之前,提高了网络的学习能力;同时将SE模块扩展至三维,并与改进后的三维残差块结合,增加了重要特征通道的权重比例,使得网络能够提取更重要的时空特征。在UCF101数据集上进行了实验分析,结果表明,相较于C3D网络,SR3D网络的参数量和复杂度小,能够充分提取...

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究课题的背景及意义
    1.2 人体行为识别的研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 课题主要研究内容和结构安排
第2章 人体行为识别技术的相关理论基础
    2.1 卷积神经网络相关理论
        2.1.1 卷积神经网络的基本结构
        2.1.2 三维卷积
        2.1.3 基于深度学习的注意力机制
    2.2 常用的人体行为识别数据集
    2.3 迁移学习原理
    2.4 本章小结
第3章 基于SR3D网络的人体行为识别算法研究
    3.1 二维残差卷积神经网络
    3.2 基于改进的三维残差卷积神经网络
    3.3 基于改进的三维SE模块
    3.4 SR3D卷积神经网络结构的设计
    3.5 实验过程与结果对比分析
        3.5.1 实验条件
        3.5.2 数据预处理
        3.5.3 实验过程
        3.5.4 实验结果
        3.5.5 实验结果对比分析
    3.6 本章小结
第4章 基于VTR3D网络的人体行为识别算法研究
    4.1 基于VT3D网络的人体行为识别算法
        4.1.1 VT3D网络结构的设计
        4.1.2 网络参数探索与实验结果分析
    4.2 基于VTR3D网络的人体行为识别算法
        4.2.1 VTR3D网络结构的设计
        4.2.2 实验环境及各项参数设置
        4.2.3 实验结果及分析
    4.3 本章小结
第5章 基于自制数据集的测试及识别系统的实现
    5.1 自制人体行为识别数据集的测试
        5.1.1 基于自制的人体行为数据集
        5.1.2 实验条件
        5.1.3 实验过程及结果分析
    5.2 人体行为识别系统的实现
        5.2.1 人体行为识别系统的设计
        5.2.2 人体行为识别系统的可视化
    5.3 本章小结
总结与展望
    总结
    展望
参考文献
攻读硕士学位期间取得的科研成果
致谢



本文编号：4046529