亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于RBF 神經(jīng)網(wǎng)絡的人體行為識別技術研究

        2020-10-26 02:08:40姜瑩礁
        科學技術創(chuàng)新 2020年30期
        關鍵詞:分類器聚類粒子

        姜瑩礁

        (武警內蒙古總隊,內蒙古 呼和浩特010100)

        1 概述

        本文提出基于聚類的神經(jīng)網(wǎng)絡人體行為識別算法[1]。粒子濾波基礎上引入具有聚類作用的MeanShift 算法,提高了粒子的利用率。采用混合特征方法表征人體特征。采用改進的神經(jīng)網(wǎng)絡模型對人體行為進行識別,提升了識別的準確度。

        2 人體運動目標檢測與跟蹤

        2.1 單模態(tài)高斯背景模型檢測人體輪廓特征

        利用單模態(tài)高斯背景模型對人體目標進行檢測和分割,獲取人體目標在時間及空間上的變化狀態(tài)。利用該模型檢測到的人體運動狀態(tài),對當前幀與背景模型的進行差值化處理陰影去除,分割出人體的運動軌跡和背景。

        2.2 Meanshift 粒子濾波算法跟蹤人體運動特征

        均值偏移離子濾波算法[2]中,除了用到了粒子采用,狀態(tài)轉移,權值的修正等步驟,將均值偏移嵌入到粒子濾波算法框架,利用均值偏移算法對粒子進行聚類,還對不同的粒子進行種類的劃分,明確粒子的運動途徑和種類,能夠實時準確跟蹤粒子狀態(tài)。算法框架如圖1 所示。

        圖1 兩種粒子濾波算法框架

        3 人體運動目標特征提取

        3.1 選取人體外形輪廓特征

        傅里葉描述子算法把人體輪廓的點集轉換到平面上,對有序點集取傅里葉變換。圖2 為人體姿態(tài)圖中的1 幅圖像。

        圖2 人體輪廓及側影提取

        利用傅里葉算法[3]來選取人體外形輪廓特征,人體行為特征全部距離組成的特征矢量為

        此處對R 進行離散的傅里葉變換:

        歸一化傅里葉系數(shù),計算出人體動作特征的低頻分量部分,用連續(xù)傅立葉算子表征人體輪廓特征。

        3.2 人體運動特征提取

        利用速率表征人體運動特征,圖像間位移[4]為:

        設定人體運動視頻幀速率為25f/s,速率為:

        人體運動速率表示為:

        其中,n 是樣本的幀數(shù)。

        選擇混合特征描述人體行為特征,以向量的形式輸入神經(jīng)網(wǎng)絡分類器,提取的人體外形和運行融合特征包含的信息就越完整,人體行為識別率也會相應的提高。

        3.3 基于譜系聚類的特征選擇

        譜系聚類[6]作為一種逐次合并類的分析算法,能夠根據(jù)數(shù)據(jù)內部的特點獲取最優(yōu)分類數(shù)目。

        聚類算法的基本思想是在待聚類樣本集中,計算所有聚類向量兩兩的距離得到一個對稱距離矩陣,在矩陣對角線一側找到距離最近的兩個聚類向量合并為一類,對稱距離矩陣階數(shù)減一。重復上述步驟,直到所有聚類向量合并為一個大類。當然,合并成一個類就失去了聚類的意義,所以聚類過程應該在某個類水平數(shù)停下來,最終的類就取這些未合并的類。

        本文當矩陣合并為12 個大類(T=12)時停止合并,得到12個非奇異特征向量,取每個聚類的中心幀作為關鍵姿態(tài)幀描述特征向量。取運動圖像序列連續(xù)視頻25 幀進行聚類合并,從25x64 個特征中選擇25xl2 個最有效的特征分量來表達原始樣本,從而極大的降低了樣本維數(shù),減少了數(shù)據(jù)冗余,提高訓練精度,保證了行為識別率。

        4 人體行為識別

        4.1 RBF 神經(jīng)網(wǎng)絡

        首層為輸入層,有n 個輸入節(jié)點,只起到數(shù)據(jù)傳導的功能,對應輸入向量的單分量;第二層是隱含層,有p 個隱節(jié)點,神經(jīng)元的核心函數(shù)是高斯函數(shù),對輸入信息進行空間投影轉換;再一層是輸出層,有m 個輸出。其拓撲結構如圖3 所示。

        圖3 RBF 神經(jīng)網(wǎng)絡

        4.2 聚類指標性能評價

        假使僅注重聚類的緊致性或聚類的分離度的單一方面,可能得出偽最優(yōu)劃分。所以,本文選取了評估參數(shù)Silhouette 寬度[5],能夠結合聚類分離性與緊致性,較好地提升識別的準確度。

        4.3 基于聚類RBF 神經(jīng)網(wǎng)絡的人體行為識別算法

        本文選取了結合聚類緊致性和分離性的評價指標Silhouette 寬度,對經(jīng)典RBF 神經(jīng)網(wǎng)絡中的類方法進行改進。算法流程[6]:

        (1)人體特征組成分類器輸入矩陣X=[X1,X2…,XN],則第l個樣本為Xl=[X1l,X2l,…,Xnl]T(l=1,2,…,N),輸出矩陣為O=[O1,O2,…,ON]。

        (2)設隱含層節(jié)點數(shù)為p0。

        (3)設定聚類的目標函數(shù)為S

        全部樣本的平均值S 定義為Silhouett 寬度,樣本的寬度越大,聚類效果越好,且該取值在[-1,1]之間。

        (4)定義RBF 神經(jīng)網(wǎng)絡輸出的均方根誤差RMS

        采用有導師學習方法修正權值,多次訓練直至RMS 小于給定的目標誤差ε。

        (5)輸入樣本到改進的聚類RBF 神經(jīng)網(wǎng)絡模型中進行測試。

        5 人體行為識別實驗與分析

        本文分類研究6 種類型的行動,依次是:走(walk),跑(run),跳(jump)、側走(sideways)、彎腰(bend)、單腿跳(skip)。

        實驗1 本文采用交叉驗證的方法評價經(jīng)典神經(jīng)網(wǎng)絡和改進的神經(jīng)網(wǎng)絡分類器。仿真實驗證明,改進的聚類算法識別率提高了分類器的識別率。

        訓練曲線表明,RBF 神經(jīng)網(wǎng)絡具有收斂快的特點。

        圖4 算法訓練誤差曲線圖

        實驗2 實驗利用3 種方法對6 種類型的人體行為進行識別。仿真實驗證明,本文提出的算法性能最優(yōu)。

        圖5 算法比較曲線圖

        6 結論

        本文提出了改進的神經(jīng)網(wǎng)絡算法,算法的優(yōu)點在于建立目標模型有效,識別準確性高,并且算法有效、具有魯棒性。

        猜你喜歡
        分類器聚類粒子
        基于粒子群優(yōu)化的橋式起重機模糊PID控制
        測控技術(2018年10期)2018-11-25 09:35:54
        BP-GA光照分類器在車道線識別中的應用
        電子測試(2018年1期)2018-04-18 11:52:35
        基于粒子群優(yōu)化極點配置的空燃比輸出反饋控制
        基于DBSACN聚類算法的XML文檔聚類
        電子測試(2017年15期)2017-12-18 07:19:27
        加權空-譜與最近鄰分類器相結合的高光譜圖像分類
        結合模糊(C+P)均值聚類和SP-V-支持向量機的TSK分類器
        基于改進的遺傳算法的模糊聚類算法
        一種層次初始的聚類個數(shù)自適應的聚類方法研究
        基于LLE降維和BP_Adaboost分類器的GIS局部放電模式識別
        自適應確定K-means算法的聚類數(shù):以遙感圖像聚類為例
        中日韩字幕中文字幕一区| 欧美精品中文字幕亚洲专区| 玖玖资源站无码专区| 亚洲无码中文字幕日韩无码| 国产女主播福利在线观看| 欧美精品欧美人与动人物牲交| 国产涩涩视频在线观看| 国产精品一区二区久久乐下载| 久久伊人久久伊人久久| 亚洲av无码乱码国产麻豆| 日本一区二区三区视频网站| 丰满爆乳在线播放| 精品第一页| 狼人狠狠干首页综合网| 色欲色香天天天综合网www| 超薄丝袜足j好爽在线观看| 国产在亚洲线视频观看| 国产精品国产三级国产专播| 偷拍色图一区二区三区| 国语对白做受xxxxx在| 有码精品一二区在线| 亚洲区福利视频免费看| 亚洲熟妇一区二区蜜桃在线观看| 色一情一乱一伦麻豆| 人人做人人妻人人精| 女人的天堂av免费看| 久久久人妻一区精品久久久| 午夜免费观看国产视频| 国产md视频一区二区三区| 久久99欧美| 一个人看的在线播放视频| 免费午夜爽爽爽www视频十八禁| 午夜精品久久久久久久久久久久| 美日韩毛片| 国产熟妇一区二区三区网站| 人人超碰人人爱超碰国产| 欧美日韩亚洲国内综合网 | 日本办公室三级在线观看| 欧美丰满熟妇bbb久久久| 国产成人综合久久精品推| 欧美zozo另类人禽交|