基于多慢特征融合的人体行为识别研究的中期报告.docx

基于多慢特征融合的人体行为识别研究的中期报告
一、研究背景
人体行为识别是计算机视觉领域的一个重要研究方向，其应用涉及智能视频监控、人机交互、VR/AR等领域。目前，常用的人体行为识别方法包括基于传感器的方法、基于视觉的方法、基于深度学习的方法等。其中，基于深度学习的方法因其可以从大量数据中自动学习特征，已成为最主流的研究方向之一。然而，由于视频数据的复杂性，单一特征往往不能充分地描述人体行为，因此需要多特征融合的方法来提高识别精度。
二、研究目标
本研究旨在基于多慢特征融合的方法提高人体行为识别精度，具体目标如下：
1.设计并实现基于深度学习的多层网络模型，用于从视频数据中提取空间特征。
2.设计并实现基于光流法的特征提取算法，用于从视频数据中提取时间特征。
3.设计并实现基于多种特征融合的方法，包括两种以上的空间特征和一种时间特征。
4.验证多特征融合方法的有效性，与其他单特征或双特征融合方法进行比较，提高人体行为识别精度。
三、研究进展
1.数据预处理
本研究使用UCF101数据集进行实验。数据集包含101个种类的动作视频，我们选取其中的25个种类进行试验。由于数据集中存在背景干扰和目标运动之外的其他动作，需要进行数据清洗。我们使用OpenCV实现了背景减除技术，并利用图像二值化和膨胀(或者腐蚀)操作对目标进行提取。
2.空间特征提取
针对空间特征提取，我们使用了基于深度学习的方法，设计并训练了一个多层网络模型。该模型采用了卷积神经网络(CNN)和循环神经网络(RNN)相结合的架构，用于从视频的空间域中提取特征。我们参考Inception-v3模型修改了卷积部分的结构，并添加了RNN的层次结构，用于提取时序信息。实验结果表明，该模型在分类精度上表现良好。
3.时间特征提取
针对时间特征提取，我们使用光流法提取视频中每帧图像之间的运动信息，并将其视为时间序列数据。光流法是一种计算视频中每个像素在连续两帧之间的位移向量的方法，其能够捕捉到物体的运动信息。我们在实验中使用了基于Warpering的光流法算法，并将得到的光流场向量作为高维时间序列的表示。
4.多特征融合
针对多特征融合，我们使用了特征融合网络的方法，将两种以上的空间特征和一种时间特征进行融合。我们分别设计了两种特征融合算法，包括：级联融合和并行融合。在级联融合算法中，先将两种空间特征进行融合，再将得到的融合特征与时间特征进行级联融合；在并行融合算法中，将两种空间特征分别输入两个网络，单独提取特征并进行融合之后，再与时间特征进行融合。实验结果表明，特征融合网络的精度明显优于基线模型。
四、下一步研究计划
1.进一步探究多特征融合的方法，尝试使用不同的融合策略来改进精度。
2.针对时间特征提取，研究更高效和更准确的光流法算法。
3.进一步扩充数据集，尝试对更多的类别进行分类识别，提升泛化能力。
4.进一步优化模型结构，提高分类精度和运行速度。