您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201803-35
论文题目 基于CNN特征与HMM时序建模的人体行为识别研究
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于CNN特征与HMM时序建模的人体行为识别研究

首发时间:2018-03-08

王冬雪 1   

王冬雪(1990-),男,硕士研究生,主要研究方向:计算机视觉。

张磊 1   

张磊(1973-),女,教授/博士生副导师、硕士导师,主要研究方向:数字图像处理、语音信号处理、计算机视觉与模式识别等

  • 1、哈尔滨工程大学信息与通信工程学院,哈尔滨,150001

摘要:随着视频的总量和类别数量迅速增长,智能化的视频分析方法已经成为许多实际应用中的核心技术,例如异常监控、医疗诊断和视频检索等等。人是社会的主体,所以视频中的大多数都是关于人体行为的内容,对人体行为的识别也就成为视频分析的核心技术。现阶段对图像的识别技术已经成熟,而且视频可以看作是一个图像序列,所以对视频的分析可以转换成图像的处理。深度学习是图像处理方面现阶段最为火热的方法,其中的CNN模型已经取得了非常好的成果,相较于一些传统的人工特征提取方法有着很大的优势。视频是具有时序信息的信号,所以在分类识别时更好的利用时序信息能够大大的提升识别准确率。本文提出一种人体行为识别方法:利用CNN对视频进行图像特征提取,然后应用HMM对图像特征序列进行时序建模,创新性的使用HMM的参数作为视频整体的特征表示。最后,本文的方法在公共人体行为数据库上进行了验证,取得很高的识别准确率。

关键词: 行为识别 CNN 特征提取 HMM 特征表示

For information in English, please click here

Research on human behavior recognition based on CNN features and HMM time series modeling

WANG Dongxue 1   

王冬雪(1990-),男,硕士研究生,主要研究方向:计算机视觉。

ZHANG Lei 1   

张磊(1973-),女,教授/博士生副导师、硕士导师,主要研究方向:数字图像处理、语音信号处理、计算机视觉与模式识别等

  • 1、Harbin Engineering University College of information and Communication Engineering,Harbin,150001

Abstract:With the rapid growth of the total number and category of video, intelligent video analysis has become the core technology in many practical applications, such as anomaly monitoring, medical diagnosis and video retrieval. People are the main body of the society, so most of the videos are about the contents of human behavior, and the recognition of human behavior has become the core technology of video analysis. At present, the technology of image recognition is mature, and video can be regarded as an image sequence, so the analysis of video can be converted into image processing. Deep learning is the most popular method in the field of image processing. The CNN model has achieved very good results, which has great advantages compared with some traditional manual feature extraction methods. Video is a signal with time sequence information, so better use of time sequence information in classification recognition can greatly improve the accuracy of recognition. In this paper, a human behavior recognition method is proposed, which uses CNN to extract the image features, and then applies HMM to sequence the image feature sequence, and innovatively uses the parameters of HMM as the overall feature representation of the video. Finally, the method of this paper is verified on the public human behavior database, and the accuracy of recognition is very high.

Keywords: action recognition CNN feature extraction HMM feature representation

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
王冬雪,张磊. 基于CNN特征与HMM时序建模的人体行为识别研究[EB/OL]. 北京:中国科技论文在线 [2018-03-08]. http://www.paper.edu.cn/releasepaper/content/201803-35.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

基于CNN特征与HMM时序建模的人体行为识别研究