期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到8篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
视频监控下利用改进型C3D-RF的人群异常行为检测 被引量：7
1
作者 张娓娓 陈绥阳 陈锐 《光学技术》 CAS CSCD 北大核心 2021年第2期187-195,共9页
传统基于卷积神经网络(CNN)算法的人群异常行为检测方法由于采用二维卷积核提取图像特征,故无法准确捕捉视频流在时序上的动态特征。为此,提出一种基于改进C3D网络与随机森林(RF)算法相结合的检测方法。利用具有时间特征捕捉能力的C3D... 传统基于卷积神经网络(CNN)算法的人群异常行为检测方法由于采用二维卷积核提取图像特征,故无法准确捕捉视频流在时序上的动态特征。为此,提出一种基于改进C3D网络与随机森林(RF)算法相结合的检测方法。利用具有时间特征捕捉能力的C3D网络进行视频流梯度方向直方图(HOG)特征提取,并作为三维卷积核输入以实现对视频时空特征的提取;使用随机森林分类器替代softmax全连接层以避免训练过程中繁琐的梯度计算操作,并降低对训练数据集样本规模的要求;基于基准数据集的算例结果表明,所提出的改进C3D-RF方案对人群异常行为的检测准确率保持在90%以上,且与传统C3D网络、支持向量数据描述模型(SVDD)、编码深度卷积神经网络(CAE)等方法相比,其训练时间缩短了15.34%以上。 展开更多
关键词 信息光学 异常行为检测 c3d网络 随机森林 视频监控 时空特征提取
原文传递
基于C3D辅助的战场传感器监视系统设计与实现
2
作者 刘萍 陈晶晶 +1 位作者 陈兴宇 吴海兵 《指挥控制与仿真》 2012年第1期110-114,共5页
首先介绍了战场传感器监视系统的定义和各国现有典型系统。其次针对战场监视特殊的应用环境,利用C3D辅助技术,将相对定位与基于三维地图环境下的绝对定位相结合,通过坐标转换和地图匹配将位置信息直观准确反映在电子地图上,设计了基于C3... 首先介绍了战场传感器监视系统的定义和各国现有典型系统。其次针对战场监视特殊的应用环境,利用C3D辅助技术,将相对定位与基于三维地图环境下的绝对定位相结合,通过坐标转换和地图匹配将位置信息直观准确反映在电子地图上,设计了基于C3D辅助的战场传感器监视系统,并对该系统进行了实现。最后通过对3D-MDS(C,D)定位算法的验证结果表明,在长1000m×7m宽的道路上,布撒120个节点,对于速度为3m/s的装甲车定位误差仅为2.1687米。该系统可对定位算法的定位精度进行评测及误差进行修正,防止由于误差累积造成误差放大。 展开更多
关键词 传感器网络 c3d 仿真系统 设计 实现
在线阅读 下载PDF
基于双通道C3D的基建现场人体异常行为识别 被引量：2
3
作者 吴冬梅 卢静 蒋瑜 《信息技术与信息化》 2020年第1期28-31,共4页
异常行为识别在智能监控领域有广泛的应用前景。本文提出一种基于双通道C3D(Convolutional 3D,三维卷积)的行为识别方法,对打架、向下抛物、摔倒、跨越警戒线这四类异常行为以及走路、跑步、工作这三类正常行为进行识别。该方法的一个... 异常行为识别在智能监控领域有广泛的应用前景。本文提出一种基于双通道C3D(Convolutional 3D,三维卷积)的行为识别方法,对打架、向下抛物、摔倒、跨越警戒线这四类异常行为以及走路、跑步、工作这三类正常行为进行识别。该方法的一个通道通过提取视频的RGB图像送入C3D网络来获取静态特征;另一个通道通过提取视频的光流图像送入C3D网络来获取动态特征;最后,利用双通道网络在卷积层融合、全连接层融合、混合融合的方法将静态特征与动态特征相结合,对比实验结果表明,最优识别率达到97.7564%,证明了该网络结构在基建现场应用场景中的有效性和可行性。 展开更多
关键词 异常行为识别 深度学习 c3d卷积神经网络 网络模型融合
在线阅读 下载PDF
结合C3D与光流法的微表情自动识别 被引量：4
4
作者 何景琳 梁正友 +1 位作者 孙宇 刘德志 《计算机系统应用》 2021年第1期221-227,共7页
由于微表情动作幅度小且持续时间短,使其识别难度大.针对此问题,提出一个结合三维卷积神经网络(3D Convolutional neural network,C3D)和光流法的微表情识别方法.所提出的方法先用光流法从微表情视频中提取出包含动态特征的光流图像系列... 由于微表情动作幅度小且持续时间短,使其识别难度大.针对此问题,提出一个结合三维卷积神经网络(3D Convolutional neural network,C3D)和光流法的微表情识别方法.所提出的方法先用光流法从微表情视频中提取出包含动态特征的光流图像系列,然后将得到的光流图像系列与原始灰度图像序列一起输入到C3D网络,由C3D进一步提取微表情在时域和空域上的特征.在开放数据集CASMEⅡ上进行了模拟实验,实验表明本文所提出的方法对微表情的识别准确率达到67.53%,优于现有方法. 展开更多
关键词 微表情识别 光流法 三维卷积神经网络 数据增强 深度学习
在线阅读 下载PDF
基于C3D CNN的人脸表情识别系统设计与开发
5
作者 吴家辉 周涛 +1 位作者 罗明新 肉扎吉·依马穆 《信息与电脑》 2022年第14期104-107,共4页
为了实现对人脸表情的自动识别,笔者设计和开发了一款基于C3D卷积神经网络(Convolutional Neural Network,CNN)的人脸表情识别系统。首先,利用已有Cohn-Kanade数据集和CASMEⅡ数据集作为训练数据。其次,使用Keras和TensorFlow的深度学... 为了实现对人脸表情的自动识别,笔者设计和开发了一款基于C3D卷积神经网络(Convolutional Neural Network,CNN)的人脸表情识别系统。首先,利用已有Cohn-Kanade数据集和CASMEⅡ数据集作为训练数据。其次,使用Keras和TensorFlow的深度学习框架搭建C3D CNN,创建数据集并进行训练,以得到人脸表情识别模型。最后,使用PyQt5设计和开发人脸表情识别系统。结果表明,该系统具有页面简洁明了、方便用户操作等特点,可为心理诊断等领域提供一定的判断依据。 展开更多
关键词 人脸表情 识别系统 c3d卷积神经网络(CNN) 心理诊断
在线阅读 下载PDF
融合自编码器和one-class SVM的异常事件检测 被引量：15
6
作者 胡海洋 张力 李忠金 《中国图象图形学报》 CSCD 北大核心 2020年第12期2614-2629,共16页
目的在自动化和智能化的现代生产制造过程中,视频异常事件检测技术扮演着越来越重要的角色,但由于实际生产制造中异常事件的复杂性及无关生产背景的干扰,使其成为一项非常具有挑战性的任务。很多传统方法采用手工设计的低级特征对视频... 目的在自动化和智能化的现代生产制造过程中,视频异常事件检测技术扮演着越来越重要的角色,但由于实际生产制造中异常事件的复杂性及无关生产背景的干扰,使其成为一项非常具有挑战性的任务。很多传统方法采用手工设计的低级特征对视频的局部区域进行特征提取,然而此特征很难同时表示运动与外观特征。此外,一些基于深度学习的视频异常事件检测方法直接通过自编码器的重构误差大小来判定测试样本是否为正常或异常事件,然而实际情况往往会出现一些原本为异常的测试样本经过自编码得到的重构误差也小于设定阈值,从而将其错误地判定为正常事件,出现异常事件漏检的情形。针对此不足,本文提出一种融合自编码器和one-class支持向量机(support vector machine,SVM)的异常事件检测模型。方法通过高斯混合模型(Gaussian mixture model,GMM)提取固定大小的时空兴趣块(region of interest,ROI);通过预训练的3维卷积神经网络(3D convolutional neural network,C3D)对ROI进行高层次的特征提取;利用提取的高维特征训练一个堆叠的降噪自编码器,通过比较重构误差与设定阈值的大小,将测试样本判定为正常、异常和可疑3种情况之一;对自编码器降维后的特征训练一个one-class SVM模型,用于对可疑测试样本进行二次检测,进一步排除异常事件。结果本文对实际生产制造环境下的机器人工作场景进行实验,采用AUC(area under ROC)和等错误率(equal error rate,EER)两个常用指标进行评估。在设定合适的误差阈值时,结果显示受试者工作特征(receiver operating characteristic,ROC)曲线下AUC达到91.7%,EER为13.8%。同时,在公共数据特征集USCD(University of California,San Diego)Ped1和USCD Ped2上进行了模型评估,并与一些常用方法进行了比较,在USCD Ped1数据集中,相比于性能第2的方法,AUC在帧级别和像素级别分别提高了2.6%和22.3%;在USCD Ped2数据集中,相比于性能第2的方法,AUC在帧级别提高了6.7%,从而验证了所提检测方法的有效性与准确性。结论本文提出的视频异常事件检测模型,结合了传统模型与深度学习模型,使视频异常事件检测结果更加准确。 展开更多
关键词 视频异常事件检测 时空兴趣块 3维卷积神经网络 降噪自编码器 one-class支持向量机
原文传递
基于深度学习的时空特征融合人体动作识别 被引量：7
7
作者 王倩 孙宪坤 范冬艳 《传感器与微系统》 CSCD 2020年第10期35-38,共4页
深度学习需要充分利用视频中动作的时空信息来进行动作识别。为了充分利用视频中的时空特征来提高动作识别的准确率,并以较低的成本保存相关信息,提出一种采用稀疏采样方案的时空特征融合动作识别框架。采用稀疏采样获得视频的RGB图和... 深度学习需要充分利用视频中动作的时空信息来进行动作识别。为了充分利用视频中的时空特征来提高动作识别的准确率,并以较低的成本保存相关信息,提出一种采用稀疏采样方案的时空特征融合动作识别框架。采用稀疏采样获得视频的RGB图和光流图,分别送入VGG-16网络提取视频的时空特征;融合时空卷积神经网络(CNN)提取中层时空融合特征;将中层时空融合特征送入C3D CNN识别出动作的类别。在HMDB51和UCF101两个数据集的实验结果表明:该框架能够充分利用视频的时间信息和空间信息,达到了较高的动作识别准确率。 展开更多
关键词 深度学习 动作识别 稀疏采样 时空特征融合 c3d卷积神经网络(CNN)
在线阅读 下载PDF
基于多尺度3D卷积神经网络的行为识别方法 被引量：9
8
作者 胡凯 陈旭 +1 位作者 朱俊 高陈强 《重庆邮电大学学报（自然科学版）》 CSCD 北大核心 2021年第6期970-976,共7页
近年来卷积神经网络(convolutional neural network,CNN)在行为识别任务中取得了较大的进展。然而,现有的神经网络方法往往只注重高层语义信息的利用,对浅层特征信息挖掘利用不够。针对这一问题,提出一种基于3D卷积(convolution 3D,C3D... 近年来卷积神经网络(convolutional neural network,CNN)在行为识别任务中取得了较大的进展。然而,现有的神经网络方法往往只注重高层语义信息的利用,对浅层特征信息挖掘利用不够。针对这一问题,提出一种基于3D卷积(convolution 3D,C3D)的多尺度3D卷积神经网络的行为识别方法。该方法受到特征金字塔结构的启发,在原C3D的基础上融合C3D的浅层特征信息,实现端到端的行为识别。同时该方法以现有的深度学习理论为基础,利用迁移学习的思想,将C3D和该方法中相同模块部分的参数迁移到本方法中,以降低模型的训练时间。通过在UCF101数据集上进行实验,实验结果表明,提出行为识别方法的分类精度达到84.56%,分类效果优于原C3D分类网络。 展开更多
关键词 行为识别 特征金字塔 3D卷积(c3d) 迁移学习 卷积神经网络(CNN)
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部