APP下载

基于连续帧的在线实时人体行为检测

2018-06-28周道洋关胜晓夏雨薇

网络安全与数据管理 2018年6期
关键词:融合检测

周道洋,关胜晓,夏雨薇

(中国科学技术大学 信息科学技术学院,安徽 合肥 230026)

0 引言

近年来随着深度学习的快速发展,计算机视觉蓬勃发展,极大地推动了人体行为检测的发展。人体行为检测作为计算机视觉中一个极具挑战性的课题,涉及图像处理、模式识别、计算机视觉、人工智能等多个交叉学科,广泛应用于视频监控和安全、人机交互、医疗康复运动分析、环境控制和预测等领域[1]。当前人体行为检测主要受摄像头视角变化、光照变化、个体差异等的影响[2]。

深度学习方法在计算机视觉中的广泛应用得益于卷积神经网络(Convolutional Neural Network,CNN)的普遍使用。卷积神经网络因其特殊的网络结构使其特别适合处理计算机视觉任务,近年来被广泛应用于图像分类,物体检测、分割,视频理解等任务[3]。

目前基于卷积神经网络的人体行为检测方法主要是直接提取视频的时空特征,然后基于时空特征进行分类和回归以达到行为检测的目的。例如SIMONYAN K等的双流网络[4],使用视频帧提取空间信息,同时使用光流提取运动信息(时间流),然后结合时间流和空间流的输出得到最终结果;Wang Limin等的TSN(Temporal Segment Networks)网络进一步研究了时空流融合的方法[5];Zhao Yue等提出了时序动作提名算法TAG(Temporal Actionness Grouping)以及后面的分类、边框回归网络SSN(Structured Segment Networks)用于行为检测[6]。这类方法要求网络能很好地处理视频的时序信息,尽可能地提取时序信息,然后将时空信息融合在一起,受光流的影响,这种方法处理速度较慢。随着对人体行为检测实时性要求的提高,在线实时人体行为检测算法被提出。……

登录APP查看全文

猜你喜欢

融合检测
村企党建联建融合共赢
融合菜
从创新出发,与高考数列相遇、融合
宽窄融合便携箱IPFS500
《融合》
小波变换在PCB缺陷检测中的应用