基于无监督学习的人体骨架序列行为识别方法.pdf

基于自监督学习的人体骨架动作识别方法研究.docx 基于自监督学习的人体骨架动作识别方法研究一、引言随着人工智能技术的不断发展，人体骨架动作识别技术在许多领域得到了广泛应用，如体育训练、医疗康复、人机交互等。然而，由于人体动作的多样性和复杂性，如何准确地进行动作识别仍然是一个具有挑战性的问题。近年来，自监督学习在计算机视觉领域得到了广泛关注，其在无需大规模标注数据的情况下能够学习数据的深层特征。因此，本文研究了一种基于自监督学习的人体骨架动作识别方法，以提高动作识别的准确性和效率。二、相关工作自监督学习是一种无需大量标注数据的机器学习方法，它通过设计预训练任务来学习数据的深层特征。在人体骨架动作识别中，自监督学习可以有效地从无标签的视频

2025-03-16 约4.97千字 10页立即下载

基于图卷积网络的人体骨架行为识别方法研究.pdf 摘要摘要由于在人机交互、智能监控和视频理解等领域的广泛应用，行为识别一直是计算机视觉领域的研究热点。与RGB视频数据相比，骨架数据对光照、环境变化以及相机的视角变化具有较好的鲁棒性，同时，图卷积网络能够更有效地建模人体骨架拓扑结构。因此，基于图卷积网络的人体骨架行为识别受到了研究者们的广泛关注。虽然现有研究已经取得了一定成果，但仍存在对非物理相连关节间的交互关系探索不足、模型推理成本高以及对运动轨迹相

2024-07-31 约12.62万字 68页立即下载

基于骨架的移位图卷积网络人体行为识别方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114463840 A (43)申请公布日 2022.05.10 (21)申请号 202111669207.4 G06V 10/75 (2022.01) (22)申请日 2021.12.

2023-05-06 约1.32万字 12页立即下载

基于人体骨架的异常行为检测与识别方法研究.docx 基于人体骨架的异常行为检测与识别方法研究一、引言随着人工智能和计算机视觉技术的不断发展，人体行为分析已成为智能监控、人机交互、虚拟现实等领域的重要研究内容。其中，基于人体骨架的异常行为检测与识别方法研究具有重要的应用价值。本文旨在探讨基于人体骨架的异常行为检测与识别的基本原理、方法和应用前景，为相关领域的研究提供参考。二、人体骨架提取与表示在异常行为检测与识别中，首先需要提取并表示人体骨架信息。这通常通过图像处理和计算机视觉技术实现，包括背景减除、目标跟踪、特征提取等步骤。通过这些技术，可以从视频或图像中提取出人体骨架信息，包括关节点位置、骨骼长度等。 人体骨架的表示方法对于后续的行为

2025-05-22 约4.64千字 9页立即下载

基于深度学习的人体行为识别方法研究.pdf 基于深度学习的人体行为识别方法研究摘要视频作为一种重要的传播媒介，蕴含着丰富的信息，但这些信息过去需要手动提取，既耗时又费力。随着深度学习的发展，许多基于视频理解的深度学习任务已经出现，其中人体行为识别是最重要的任务之一。为了克服计算成本高、难以处理长期依赖关系和特征融合难度大这些问题，本文综合利用视频帧中的静态空间特征和帧之间的时序动作特征，对人体行为识别方法进行深入研究。主要研究内容如下：（1）针对三维卷积在处理视频数据时计算成本高、信息容易丢失的问题，提出了一种基于残差网络的ER3D模型。该模型主要用于提取视频中包含的空间信息，通过使用深度可分离卷积降低模型的计算参数量

2025-05-23 约7.46万字 64页立即下载

基于改进时空图卷积的人体骨架行为识别方法研究.pdf 摘要摘要近些年来，随着传感器、体感设备等硬件设备的广泛应用，骨架数据已成为行为识别研究中的一重类要数据。为此，基于图卷积的方法也应运而生。目前，基于图卷积的骨架行为识别方法能够捕捉骨架数据中关节之间复杂的时空关系。但是，随着研究的深入，研究人员发现目前的方法存在图拓扑结构建模对时空信息使用不平衡问题和对时间维度上的特征提取不充分问题。这会使每个样本的图拓扑结构不能充分考虑时空特征，还会使相似行为、动作幅度微妙的

2025-02-11 约9.1万字 68页立即下载

课堂场景下人体骨架行为识别方法及实现.pdf 摘要 人体行为识别作为计算机视觉领域的重要分支，已广泛应用于各个领域。课堂场景下，学生行为状态是评价课堂质量的一个关键因素。传统依赖人工观察的识别学生课堂行为方法耗时耗力，效率低下，且结果具有主观性。结合计算机视觉和深度学习技术，可以实现课堂行为的智能与自动化识别。与易受复杂环境因素影响的 RGB数据相比，骨架数据对人体外观、光线和视角的变化不那么敏感，且能避免噪声干扰，更适合作为课堂行为识别的数据载体。而将现有基于骨架数据的行为识别方法直接应用于课堂场景并基于识别结果开展质量评价时，存在识别准确率、肢体遮挡、行为量化等诸多问题。因此，本文着眼于课堂场景下人体骨架行为识别方法 与实

2024-12-30 约12.03万字 102页立即下载

一种骨架人体行为识别方法、装置及设备.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114582012 A (43)申请公布日 2022.06.03 (21)申请号 202111616700.X (22)申请日 2021.12.27 (71)申请人天翼云科技有限公司地址 1000

2023-05-09 约2.13万字 18页立即下载

基于骨架特征嵌入学习的人体动作识别方法研究.docx 基于骨架特征嵌入学习的人体动作识别方法研究一、引言随着人工智能技术的不断发展，人体动作识别技术在许多领域中得到了广泛的应用，如运动分析、人机交互、医疗康复等。然而，传统的基于视觉图像的人体动作识别方法往往受到光照、遮挡、背景干扰等因素的影响，导致识别准确率不高。因此，研究一种基于骨架特征嵌入学习的人体动作识别方法具有重要的现实意义和应用价值。二、骨架特征提取 基于骨架特征的人体动作识别方法主要依赖于从人体骨架数据中提取有效的特征。人体骨架数据可以通过深度相机、传感器等技术获取，其包含人体各关节点的空间位置信息。为了提取有效的骨架特征，我们采用了一种基于深度学习的特征提取方法。首先，我们

2025-03-27 约5千字 10页立即下载

基于骨架特征嵌入学习的人体动作识别方法研究.docx 基于骨架特征嵌入学习的人体动作识别方法研究一、引言人体动作识别作为计算机视觉领域的一项重要研究内容，已经广泛地应用于智能监控、人机交互、体育分析等众多领域。近年来，随着深度学习和计算机性能的不断提升，基于图像或视频的动作识别方法已经取得了显著的进步。然而，由于背景、光照、遮挡等因素的影响，这些方法在实际应用中仍面临着一些挑战。相较于传统的视觉方法，基于骨架的人体动作识别能够更加有效地从复杂的视觉数据中提取出与动作相关的关键信息。因此，本文将重点研究基于骨架特征嵌入学习的人体动作识别方法。二、骨架特征提取在基于骨架的动作识别中，骨架特征的提取是至关重要的。骨架特征主要描述了人体各关节之间

2025-05-19 约4.38千字 9页立即下载

基于RGB-D特征融合学习的人体行为识别方法研究.docx 基于RGB-D特征融合学习的人体行为识别方法研究一、引言随着人工智能和计算机视觉技术的飞速发展，人体行为识别成为了近年来研究的热点领域。其中，基于RGB-D特征融合学习的人体行为识别方法更是引起了广泛的关注。该研究方法能够充分利用彩色视频信息（RGB）和深度信息（D），实现更加精确和鲁棒的行为识别。本文将围绕基于RGB-D特征融合学习的人体行为识别方法进行深入探讨。二、研究背景与意义 人体行为识别是计算机视觉领域的一个重要研究方向，具有广泛的应用前景。在智能家居、智能安防、人机交互等领域，人体行为识别技术发挥着重要作用。传统的基于RGB特征的行为识别方法虽然能够提取出丰富的视觉信息，但在

2025-03-05 约4.74千字 9页立即下载

基于RGB-D特征融合学习的人体行为识别方法研究.docx 基于RGB-D特征融合学习的人体行为识别方法研究一、引言随着智能监控和人机交互的快速发展，人体行为识别技术在许多领域得到了广泛的应用，如智能安防、医疗康复、人机交互等。近年来，基于RGB-D（红绿蓝深度）特征融合学习的人体行为识别方法逐渐成为研究热点。本文旨在研究基于RGB-D特征融合学习的人体行为识别方法，以期在各种复杂场景下实现更为精准和鲁棒的识别。二、RGB-D特征概述 RGB特征基于视频中的颜色信息，提供人体行为的空间和色彩特征；而D特征（如深度图像信息）主要捕捉场景中人体的结构、姿态和运动信息。这两种特征的融合，能够为人体行为识别提供更为丰富的信息。本文通过深度学习技术，对RG

2025-04-20 约4.37千字 9页立即下载

基于CSI的穿墙移动人体行为识别方法研究.pdf 摘要摘要随着无线通信技术不断突破创新，Wi-Fi技术在人体行为感知方面的应用涵盖了医疗健康、室内定位等领域，为人们的生活提供便捷，奠定了无线感知发展的基础。但当前基于Wi-Fi的人体行为识别方案普遍存在跨场景效果差、稳定性弱等问题，尤其是在穿墙场景下，会使得此类问题加重。针对以上问题，本文通过分析Wi- Fi设备接收到的信道状态信息（ChannelStateInformation，CSI）识

2025-03-24 约12.68万字 64页立即下载

《基于视觉的人体行为识别方法研究》.docx 《基于视觉的人体行为识别方法研究》一、引言随着计算机视觉技术的飞速发展，人体行为识别已成为一个热门的研究领域。基于视觉的人体行为识别方法在智能监控、人机交互、医疗康复、体育分析等领域具有广泛的应用前景。本文旨在研究基于视觉的人体行为识别方法，通过对相关技术进行综述，分析现有方法的优缺点，提出一种改进的算法，并对其性能进行评估。二、人体行为识别的研究现状目前，基于视觉的人体行为识别方法主要包括基于模型的方法、基于特征的方法和深度学习方法等。其中，基于模型的方法通过建立人体运动模型来识别行为；基于特征的方法通过提取人体运动的时空特征来识别行为；深度学习方法则通过训练神经网络来自动提取特征并

2024-12-23 约7.5千字 15页立即下载

基于改进图卷积的人体行为识别方法研究.pdf 摘要摘要 人体行为识别作为视频理解的中心任务和计算机视觉的重要方向，一直以来是人工智能领域的热门话题。近年来，基于骨架的人体行为识别技术受到了广泛关注和研究。相比于基于图像的人体行为识别技术，基于骨架的人体行为识别技术具有更好的鲁棒性和准确性。因此本文在较少模型参数量的基础上，以有效提高识别准确性为主要研究目标，对常见人体骨架行为识别算法中的图卷积算法展开探索和研究，并提出两种基于图卷积网络的人体行为识别模型，具

2025-02-13 约13.13万字 66页立即下载