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 201803-44
论文题目 基于CNN与VLAD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与VLAD的人体行为识别研究

首发时间:2018-03-09

王冬雪 1   

王冬雪(1990-),男,硕士研究生,主要研究方向:现代信号与图像处理技术

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:人体行为识别是很多实际应用中的关键技术,例如视频监控、人机交互、虚拟现实和视频检索等,所以智能的人体行为识别技术有着很高的研究价值和应用前景,特别是如今视频数据呈爆炸式增长的时期。深度学习是现阶段十分火热的研究领域,尤其是CNN模型已经在图像识别上取得了巨大的成功,相较于传统的人工特征方法,CNN特征在对原始数据的特征表达方面有着绝对的优势,已经逐渐地取代了以HOG和SIFT等人工特征成为了主流的特征提取方法。VLAD是一种能将尺寸不同的视频特征数据表示成尺寸相同的特征向量,通过VLAD特征表示可以使得视频特征数据满足一般分类器的输入要求并得到分类结果。本文提出了一种CNN特征提取结合VLAD特征表示的人体行为识别方法,并在Youtube数据库上进行验证,最终取得较高的识别准确率,证明了CNN结合VLAD是一个十分有效的人体行为识别方法。

关键词: 人体行为识别;深度学习;CNN;VLAD 特征提取 特征表示

For information in English, please click here

Study on human behavior recognition based on VLAD and CNN

WANG Dongxue 1   

王冬雪(1990-),男,硕士研究生,主要研究方向:现代信号与图像处理技术

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:Human behavior recognition is the key technology in many applications, such as video surveillance, human-computer interaction, virtual reality and video retrieval, so human behavior recognition technology intelligent has a very high research value and application prospect, especially in today\'s video data explosive growth period. Deep learning is a research field at this stage is very hot, especially the CNN model has achieved great success in image recognition, artificial features compared with traditional method, CNN feature has an absolute advantage in the expression characteristics of the original data, has been gradually replaced by HOG and SIFT as artificial feature the mainstream feature extraction method. VLAD is a video feature data of different sizes into the same size feature vector, through the VLAD feature representation can make the video data meet the general classifier requirements and classification. This paper presents human behavior recognition method based on VLAD feature extraction a CNN feature, and verified in the Youtube database, finally achieved a higher recognition accuracy, and prove that CNN combined with VLAD is a very effective method for human behavior recognition.

Keywords: human behavior recognition deep learning CNN VLAD feature extraction 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与VLAD的人体行为识别研究[EB/OL]. 北京:中国科技论文在线 [2018-03-09]. http://www.paper.edu.cn/releasepaper/content/201803-44.

No.****

同行评议

共计0人参与

评论

全部评论

0/1000

勘误表

基于CNN与VLAD的人体行为识别研究