資源描述：
《時空特征提取方法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、博士學(xué)位論文時空特征提取方法研究作者姓名苗捷學(xué)科專業(yè)信息與通信工程指導(dǎo)教師徐向民教授所在學(xué)院電子與信息學(xué)院論文提交日期2016年4月6日ResearchonSpatial-TemporalFeatureExtractionADissertationSubmittedfortheDegreeofDoctorofPhilosophyCandidate：MiaoJieSupervisor：Prof.XuXiangminSouthChinaUniversityofTechnologyGuangzhou,Ch
2、ina分類號：TP391.4學(xué)校代號：10561學(xué)號：201210101697華南理工大學(xué)博士學(xué)位論文時空特征提取方法研究作者姓名：苗捷指導(dǎo)教師姓名、職稱：徐向民教授申請學(xué)位級別：工學(xué)博士學(xué)科專業(yè)名稱：信息與通信工程研究方向：計算機視覺、機器學(xué)習(xí)論文提交日期：2016年04月06日論文答辯日期：2016年06月02日學(xué)位授予單位：華南理工大學(xué)學(xué)位授予日期：年月日答辯委員會成員：主席：馬爭鳴委員：徐向民、賀前華、胡斌杰、金連文華南理工大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下
3、獨立進行研究所取得的研究成果。除了文中特別加以標(biāo)注引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫的成果作品。對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式標(biāo)明。本人完全意識到本聲明的法律后果由本人承擔(dān)。作者簽名：日期：年月日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，即：研究生在校攻讀學(xué)位期間論文工作的知識產(chǎn)權(quán)單位屬華南理工大學(xué)。學(xué)校有權(quán)保存并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和電子版，允許學(xué)位論文被查閱（除在保密期內(nèi)的保密論文外）；學(xué)?？?/p>
4、以公布學(xué)位論文的全部或部分內(nèi)容，可以允許采用影印、縮印或其它復(fù)制手段保存、匯編學(xué)位論文。本人電子文檔的內(nèi)容和紙質(zhì)論文的內(nèi)容相一致。本學(xué)位論文屬于：□保密（校保密委員會審定為涉密學(xué)位論文時間：年月日），于年月日解密后適用本授權(quán)書?！滩槐Ｃ?同意在校園網(wǎng)上發(fā)布，供校內(nèi)師生和與學(xué)校有共享協(xié)議的單位瀏覽；同意將本人學(xué)位論文提交中國學(xué)術(shù)期刊(光盤版)電子雜志社全文出版和編入CNKI《中國知識資源總庫》，傳播學(xué)位論文的全部或部分內(nèi)容。(請在以上相應(yīng)方框內(nèi)打“√”)作者簽名：日期：指導(dǎo)教師簽名：日期：作者聯(lián)系電話
5、：15989007224電子郵箱：miaow1988@qq.com聯(lián)系地址(含郵編)：廣州市天河區(qū)五山路華南理工大學(xué)30號樓摘要視頻內(nèi)容的認(rèn)識是計算機視覺中的重要問題，相關(guān)研究可以用于智能視頻監(jiān)控、人機交互、視頻檢索等多個領(lǐng)域。視頻的特征表達對于視頻內(nèi)容的識別至關(guān)重要。由于視頻數(shù)據(jù)量大且內(nèi)容復(fù)雜，同時會受到視角、背景、時間等因素影響，很難提取出良好的視頻特征。近年來相關(guān)研究取得了一定進展，但仍存在諸多困難，無法良好的應(yīng)用到實際場景中。傳統(tǒng)方法以使用人工設(shè)計的局部特征表達為主，對視頻中時空信息的描述能
6、力不足。同時，傳統(tǒng)視頻內(nèi)容識別中特征提取方法依賴復(fù)雜的處理運算，其速度難以達到實時性能。本文針對視頻內(nèi)容識別中的時空特征提取，從識別準(zhǔn)確率和識別速度兩方面都進行了研究，本文主要工作如下。1.慢特征分析（SFA:slowfeatureanalysis）從快速變化的信號中提取緩慢變化的特征，這一方法已被證實可以模擬靈長類動物的初級視皮層（V1）的復(fù)雜細(xì)胞。初級視皮層為腹側(cè)和背側(cè)通路提供信息，分別用于外觀和運動信息的處理。然而，SFA在局部特征提取中只被用于提取緩慢變化的信息，這些信息主要表征靜態(tài)的外觀信
7、息，不包含運動信息。為了更好的利用時序信息，本文將SFA擴展為時間方差分析（TVA:temporalvarianceanalysis）。TVA學(xué)習(xí)一個線性映射函數(shù)，將原始的時序信息映射為在時序上具有不同變化量的特征分量。受到V1區(qū)域啟發(fā)，我們通過TVA學(xué)習(xí)局部感受野（localreceptivefield），并通過卷積和池化操作進行局部特征提取。本文對基于TVA的特征提取方法在四個行為識別數(shù)據(jù)庫上做了測試，實驗結(jié)果表明，基于TVA方法提取的慢特征與快特征都能有效的進行特征表達，且能夠獲得比傳統(tǒng)基于梯
8、度方向直方圖特征更好的結(jié)果。2.動態(tài)紋理以不同形態(tài)廣泛存在，如火焰、煙霧、車流等，由于動態(tài)紋理視頻在時序上復(fù)雜的變化使得動態(tài)紋理識別成為一個具有挑戰(zhàn)性的問題。本文提出一種基于慢特征分析的動態(tài)紋理識別方法。慢特征分析可以從復(fù)雜的動態(tài)紋理中學(xué)到具有不變性的特征。然而，復(fù)雜的時間變化要求高層級的語義信息來進行特征表達以達成時間不變性，這難以通過慢特征分析方法直接從高維視頻中學(xué)習(xí)到。我們提出了基于流形約束的慢特征分析（MR-SFA:manifoldregularizedSFA
