• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    結(jié)合低秩分解與多流融合的行為識(shí)別方法

    2022-08-29 09:55:20黃思翔高陳強(qiáng)
    關(guān)鍵詞:光流集上時(shí)域

    黃思翔,高陳強(qiáng),陳 旭,趙 悅,楊 烽

    (1.重慶郵電大學(xué) 通信與信息工程學(xué)院,重慶 400065; 2.信號(hào)與信息處理重慶市重點(diǎn)實(shí)驗(yàn)室,重慶 400065)

    0 引 言

    行為識(shí)別任務(wù)旨在讓計(jì)算機(jī)識(shí)別出視頻中發(fā)生的感興趣的行為類別,在智能監(jiān)控、自動(dòng)駕駛、視頻推薦與娛樂(lè)等領(lǐng)域有廣泛的應(yīng)用[1]。然而,由于視頻行為的多樣性和場(chǎng)景的復(fù)雜性,行為識(shí)別任務(wù)在實(shí)際應(yīng)用中依舊存在較大的挑戰(zhàn)。

    近年來(lái),深度學(xué)習(xí)在行為識(shí)別任務(wù)中發(fā)揮著越來(lái)越重要的作用。在先前的研究中[2-11],研究者們大多聚焦于對(duì)網(wǎng)絡(luò)模型結(jié)構(gòu)進(jìn)行修改[2-4,6-8],或者使用更大規(guī)模的視頻數(shù)據(jù)集進(jìn)行模型預(yù)訓(xùn)練[3-5,9-11],從而讓模型能夠提取魯棒性更強(qiáng)的特征以提升行為識(shí)別精度。這些方法的輸入模態(tài)一般僅為原始視頻,通過(guò)計(jì)算輸入視頻直方圖特征或者用二維、三維卷積提取視頻特征,并對(duì)獲取的特征進(jìn)行分類。雙流模型[12]被提出后,通過(guò)大量的實(shí)驗(yàn)[2-4,13-14],驗(yàn)證了視頻光流信息與RGB流信息進(jìn)行融合后能進(jìn)一步提高模型的行為識(shí)別準(zhǔn)確率。然而,在獲取視頻光流信息時(shí),由于僅參考了相鄰兩幀圖像之間的像素運(yùn)動(dòng),模型只能提取采樣片段的局部時(shí)域信息,忽略了整個(gè)視頻的全局時(shí)域信息的學(xué)習(xí),這導(dǎo)致模型對(duì)視頻行為類別的判別并不可靠。

    對(duì)于場(chǎng)景固定的數(shù)據(jù)集[15-18],運(yùn)動(dòng)區(qū)域相對(duì)原圖所占比例較少,穩(wěn)定不變的區(qū)域較多。因此,原始視頻可以粗略地看成是由大部分穩(wěn)定的區(qū)域與少部分變化的運(yùn)動(dòng)信息組合而成。穩(wěn)定的區(qū)域在整個(gè)視頻中是不變或者近似不變的,該區(qū)域視頻可以近似地用少量甚至一幀圖像來(lái)代替。對(duì)于視頻的運(yùn)動(dòng)部分,運(yùn)動(dòng)信息通常只占視頻中的小部分。因此,可以認(rèn)為運(yùn)動(dòng)部分對(duì)應(yīng)的視頻矩陣為稀疏矩陣,能夠借助低秩分解來(lái)提取整個(gè)視頻的全局時(shí)域信息。

    為了更好地利用視頻全局時(shí)域信息,本文先把原始視頻進(jìn)行低秩分解為低秩流和稀疏流兩部分。低秩流包含視頻中比較穩(wěn)定的內(nèi)容,稀疏流包含視頻中運(yùn)動(dòng)信息,且這種信息具有全局性。把包含全局運(yùn)動(dòng)信息的稀疏流、包含局部運(yùn)動(dòng)信息的光流和RGB流分別輸入3D CNN網(wǎng)絡(luò),并進(jìn)行后期融合。模型在后期融合中聚合了光流和稀疏流兩個(gè)不同尺度的時(shí)域運(yùn)動(dòng)信息與豐富的空域信息,多流融合的結(jié)果相較于僅融合單個(gè)尺度的時(shí)域信息與空域信息更可靠。

    1 相關(guān)工作

    近年來(lái),深度學(xué)習(xí)方法在圖像識(shí)別領(lǐng)域取得了巨大的成功[19-25],許多研究者開(kāi)始將深度學(xué)習(xí)方法應(yīng)用于行為識(shí)別領(lǐng)域[5,12,22-23]。

    行為識(shí)別的難點(diǎn)是如何提高模型的時(shí)域建模能力,現(xiàn)有方法通常遵循兩種思路來(lái)提高時(shí)域建模能力。

    1)基于二維卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network, CNN)的方法。文獻(xiàn)[12]提出了雙流CNN,將單幀圖像和多幀光流堆疊分別送入CNN網(wǎng)絡(luò)進(jìn)行訓(xùn)練,并將其預(yù)測(cè)結(jié)果進(jìn)行融合。這種方法能夠有效地提升模型的識(shí)別準(zhǔn)確率,證實(shí)了光流與RGB流的雙流融合能夠有效提升識(shí)別準(zhǔn)確率。雖然該方法以引入光流模態(tài)來(lái)引入相鄰幀的時(shí)域信息,但是模型只獲取了短時(shí)運(yùn)動(dòng)信息,無(wú)法對(duì)長(zhǎng)時(shí)運(yùn)動(dòng)信息進(jìn)行有效建模。文獻(xiàn)[24-25]針對(duì)雙流融合中只能處理短時(shí)運(yùn)動(dòng)而對(duì)長(zhǎng)時(shí)運(yùn)動(dòng)的時(shí)間結(jié)構(gòu)無(wú)法有效捕捉的問(wèn)題,提出了時(shí)域分割網(wǎng)絡(luò)(temporal segment network, TSN)。TSN采用稀疏時(shí)間采樣策略,擴(kuò)大了對(duì)原始視頻的時(shí)域感受野,從而提高時(shí)域建模能力,但其比雙流融合僅獲得了較多的局部運(yùn)動(dòng)信息。文獻(xiàn)[5]在分析了3D卷積相對(duì)于2D卷積的優(yōu)勢(shì)后,提出將3D卷積拆分為一個(gè)2D空間卷積與一個(gè)1D時(shí)間卷積的串聯(lián)形式,構(gòu)成新的時(shí)空卷積塊R(2+1)D,極大地提升了模型的實(shí)時(shí)性且保證了模型的精度。

    2)基于文獻(xiàn)[2]的3D CNN行為識(shí)別方法。該方法使用更適合學(xué)習(xí)時(shí)空特征的3D卷積替換了原本的2D卷積,文獻(xiàn)[3,13]分別針對(duì)3D卷積中參數(shù)過(guò)多而數(shù)據(jù)集較小的問(wèn)題提出了P3D和T3D網(wǎng)絡(luò),借鑒ImageNet網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練權(quán)重遷移,將對(duì)應(yīng)2D CNN的預(yù)訓(xùn)練權(quán)重向3D網(wǎng)絡(luò)遷移。這表明,圖像識(shí)別領(lǐng)域中模型在ImageNet數(shù)據(jù)集上進(jìn)行的預(yù)訓(xùn)練可以很好地應(yīng)用到其他領(lǐng)域。文獻(xiàn)[4]提出了大規(guī)模的Kinetice數(shù)據(jù)集,并根據(jù)基于2D卷積的LSTM模型、3D卷積與雙流CNN的優(yōu)缺點(diǎn),設(shè)計(jì)了一種基于3D卷積的雙流I3D(two-stream inflated 3D convNets)模型,表明在大數(shù)據(jù)集上預(yù)訓(xùn)練的3D網(wǎng)絡(luò)能夠在小數(shù)據(jù)集上大幅度提升精度。

    上述方法都是擴(kuò)大時(shí)域感受野來(lái)提升模型的精度,模型所得到的數(shù)據(jù)仍為局部運(yùn)動(dòng)信息,忽視了全局運(yùn)動(dòng)信息的顯示提取。針對(duì)此問(wèn)題,本文通過(guò)低秩分解從RGB流中顯式地提取動(dòng)態(tài)的全局運(yùn)動(dòng)成分與精致的紋理,有效地提升所提取特征的區(qū)分度,從而提升模型精度。

    2 低秩分解基礎(chǔ)

    本文采用加速近端梯度算法(accelerated proximal gradient, APG)[26]來(lái)進(jìn)行低秩分解,APG算法進(jìn)行低秩分解是求解最優(yōu)化問(wèn)題,表示為

    (1)

    求解(1)式為NP難問(wèn)題,需要通過(guò)凸松弛轉(zhuǎn)化為新的最優(yōu)化問(wèn)題,表示為

    (2)

    3 本文方法

    本文提出的基于低秩分解與雙流融合的行為識(shí)別方法如圖1所示。第1步,將原始視頻進(jìn)行光流提取與低秩分解,由于當(dāng)前的低秩分解算法不能直接處理三維視頻數(shù)據(jù),需要對(duì)原始視頻先進(jìn)行二維轉(zhuǎn)化、低秩分解、三維還原,得到對(duì)應(yīng)的低秩視頻與稀疏視頻;第2步,將原始視頻以及提取得到的稀疏視頻、光流視頻分別通過(guò)對(duì)應(yīng)的卷積神經(jīng)網(wǎng)絡(luò)處理得到對(duì)應(yīng)的各行為概率;第3步,對(duì)3個(gè)模態(tài)的各行為概率進(jìn)行后融合,得到最終預(yù)測(cè)結(jié)果。

    圖1 本文提出的基于低秩分解與雙流融合的行為識(shí)別方法

    3.1 基于低秩模型的視頻全局運(yùn)動(dòng)信息提取

    本文需要對(duì)視頻的穩(wěn)定區(qū)域與運(yùn)動(dòng)區(qū)域進(jìn)行顯式提取得到低秩流、稀疏流。低秩分解算法目前已經(jīng)比較成熟,因此,本文直接使用經(jīng)典的加速近端梯度算法[26-28]來(lái)進(jìn)行低秩分解。

    在現(xiàn)有的視頻數(shù)據(jù)集[15-16]中,運(yùn)動(dòng)視頻往往是由大部分的穩(wěn)定區(qū)域與少部分的變化運(yùn)動(dòng)信息組合而成,可以借助低秩分解進(jìn)行分離,即將原始視頻數(shù)據(jù)矩陣HRGB分解為低秩流矩陣HA與稀疏流矩陣HE之和,表示為

    HRGB=HA+HE

    (3)

    (3)式中,HRGB、HA、HE均為三維矩陣。傳統(tǒng)的低秩分解算法通常只對(duì)二維矩陣進(jìn)行低秩分解得到一個(gè)二維低秩矩陣與二維稀疏矩陣。然而,視頻數(shù)據(jù)為三維矩陣,無(wú)法直接套用傳統(tǒng)的低秩分解算法。本文對(duì)視頻數(shù)據(jù)進(jìn)行適當(dāng)轉(zhuǎn)化,使其轉(zhuǎn)變?yōu)閭鹘y(tǒng)低秩分解算法所匹配的二維矩陣后再進(jìn)行低秩分解。視頻數(shù)據(jù)低秩分解的預(yù)處理方法如圖2所示。首先,對(duì)三維結(jié)構(gòu)進(jìn)行轉(zhuǎn)化;然后,對(duì)二維結(jié)構(gòu)進(jìn)行低秩分解,得到低秩部分與稀疏部分;最后,將低秩部分與稀疏部分按轉(zhuǎn)化方法的逆過(guò)程還原為三維結(jié)構(gòu)。

    圖2 視頻數(shù)據(jù)低秩分解的預(yù)處理方法

    (4)

    視頻數(shù)據(jù)的三維矩陣HRGB,經(jīng)過(guò)上述操作以后轉(zhuǎn)化為一個(gè)t×n×m的二維矩陣D,表示為

    D=[C1,C2,…,Ct]

    (5)

    (6)

    (7)

    (8)

    同理有

    (9)

    將得到的A、E還原為HA、HE。

    從上述過(guò)程可以得到,在進(jìn)行低秩分解時(shí),整個(gè)視頻的時(shí)域信息被整合為一個(gè)二維矩陣,每一幀的運(yùn)動(dòng)信息均包含了整個(gè)視頻的時(shí)域信息。因此,其比光流包含更加豐富的時(shí)域信息。

    3.2 卷積神經(jīng)網(wǎng)絡(luò)模型

    為了驗(yàn)證本文方法的有效性與泛化性,選用雙流I3D[4]、C3D[2]、R(2+1)D[5]、TSM[29]4個(gè)卷積神經(jīng)網(wǎng)絡(luò)作為驗(yàn)證模型。

    I3D模型網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。I3D的輸入為一段長(zhǎng)度為64幀、單幀圖像大小為224×224的視頻段,其損失函數(shù)使用分類中常用的交叉熵,定義為

    圖3 I3D網(wǎng)絡(luò)結(jié)構(gòu)

    (10)

    (10)式中:yi為第i類的真實(shí)概率;pi為第i類的預(yù)測(cè)概率;C為類別數(shù)。雙流I3D網(wǎng)絡(luò)借鑒了ImageNet中的Inception-v1網(wǎng)絡(luò)[29],經(jīng)證實(shí),在Kinetics[4]大數(shù)據(jù)集上預(yù)訓(xùn)練過(guò)的I3D模型在UCF101和HMDB51上能取得很高的識(shí)別準(zhǔn)確率。不過(guò),此預(yù)訓(xùn)練模型是在對(duì)應(yīng)模態(tài)(即RGB和光流數(shù)據(jù))上進(jìn)行的,缺少低秩、稀疏部分在大規(guī)模數(shù)據(jù)集上的預(yù)訓(xùn)練模型,而直接加載對(duì)應(yīng)模態(tài)預(yù)訓(xùn)練模型會(huì)因?yàn)槟B(tài)信息不匹配而造成實(shí)驗(yàn)結(jié)果不夠好。因此,為了保證對(duì)比實(shí)驗(yàn)的公平性,本文所有實(shí)驗(yàn)在訓(xùn)練時(shí)不加載任何的預(yù)訓(xùn)練模型,所有的模態(tài)采用I3D單獨(dú)訓(xùn)練一個(gè)模型直至在對(duì)應(yīng)模態(tài)上收斂,并融合所有模態(tài)的測(cè)試集結(jié)果作為最終結(jié)果。

    C3D模型是在2D CNN上將2D卷積核擴(kuò)展為3D卷積核得到的模型,3D卷積擁有更加強(qiáng)大的時(shí)域建模能力,在行為識(shí)別上相對(duì)2D卷積表現(xiàn)更好。C3D有8個(gè)卷積層、5個(gè)全連接層以及2個(gè)全連接層,并且卷積核的大小為3×3×3,其損失函數(shù)為交叉熵。

    R(2+1)D模型是將3D卷積用一個(gè)2D空間卷積和1D時(shí)間卷積串聯(lián)代替,總體結(jié)構(gòu)與R3D結(jié)構(gòu)相似,不同之處是R(2+1)D在塊與塊的連接中有更多的ReLU(rectified linear unit)激活層。R(2+1)D使用了和R3D相同的參數(shù)量卻獲得了兩倍的非線性參數(shù),損失函數(shù)為交叉熵。

    TSM[29]模型提出將用于時(shí)域建模的時(shí)間轉(zhuǎn)移模塊聚合時(shí)域特征,保證在二維卷積模型的結(jié)構(gòu)不被破壞的前提下聚合到豐富的時(shí)域信息[30]。TSM保證了整體網(wǎng)絡(luò)的輕量級(jí)并取得了較好的識(shí)別效果,損失函數(shù)為交叉熵。

    本文參考文獻(xiàn)[27]的模型設(shè)置對(duì)C3D網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行同樣的改進(jìn)。在每一個(gè)卷積層后加上了批歸一化層,這樣可以幫助模型在訓(xùn)練過(guò)程中抑制過(guò)擬合。

    3.3 后融合

    本文方法采用的融合方式為后融合,對(duì)所有支路的預(yù)測(cè)結(jié)果進(jìn)行融合,將每個(gè)模態(tài)所預(yù)測(cè)的每個(gè)行為類別的分?jǐn)?shù)進(jìn)行加權(quán)平均得到最終每個(gè)行為類別預(yù)測(cè)概率,取最高的加權(quán)平均概率行為作為最終的行為識(shí)別結(jié)果,表示為

    (11)

    4 實(shí)驗(yàn)與分析

    4.1 實(shí)驗(yàn)數(shù)據(jù)集

    本文在行為識(shí)別中使用最經(jīng)典且常用的UCF101[15]、HMDB51[16]以及紅外視頻行為識(shí)別InfAR[31]數(shù)據(jù)集。

    UCF101數(shù)據(jù)集是從YouTube收集,具有101個(gè)操作類別的真實(shí)行為視頻行為識(shí)別數(shù)據(jù)集。憑借來(lái)自101個(gè)行為類別的13 320個(gè)視頻,UCF101在行為方面提供了良好的行為多樣性,并且在相機(jī)運(yùn)動(dòng)、物體外觀和姿勢(shì)、物體比例、視點(diǎn)、雜亂背景、照明條件等方面存在較大的變化,它是迄今為止仍具有一定挑戰(zhàn)性的數(shù)據(jù)集。

    HMDB51數(shù)據(jù)集在電影中剪輯而得,有小部分?jǐn)?shù)據(jù)來(lái)源于Prelinger檔案庫(kù)、YouTube和Google視頻。數(shù)據(jù)集包含了6 849個(gè)剪輯視頻,共劃分為51個(gè)行為類別,每個(gè)行為類別至少包含101個(gè)剪輯視頻。

    InfAR數(shù)據(jù)集是由40多名不同的志愿者在多個(gè)不同場(chǎng)景下采集的紅外視頻行為識(shí)別數(shù)據(jù)集。數(shù)據(jù)集包含了12個(gè)行為,每個(gè)行為類別包含50個(gè)視頻,總共600個(gè)視頻。

    4.2 實(shí)驗(yàn)細(xì)節(jié)

    本文先在UCF101與HMDB51兩個(gè)數(shù)據(jù)集上進(jìn)行訓(xùn)練和測(cè)試,對(duì)數(shù)據(jù)集的劃分參考文獻(xiàn)[2,5-6,30]。在未加說(shuō)明的情況下,本文實(shí)驗(yàn)中所有模態(tài)的訓(xùn)練過(guò)程均不加載任何的預(yù)訓(xùn)練模型。I3D訓(xùn)練使用標(biāo)準(zhǔn)的SGD優(yōu)化算法,其動(dòng)量設(shè)置為0.9,權(quán)重衰減因子10-7,均使用2張2080Ti顯卡,學(xué)習(xí)率在60輪和100輪衰減至10%。C3D與R(2+1)D訓(xùn)練均使用標(biāo)準(zhǔn)的SGD優(yōu)化器算法,其動(dòng)量設(shè)置為0.9,權(quán)重衰減因子為5×10-4,訓(xùn)練使用1張2080Ti顯卡,學(xué)習(xí)率每10輪衰減一半,初始學(xué)習(xí)率為0.001。所有模型均在UCF101或HMDB51上訓(xùn)練120輪,初始學(xué)習(xí)率為0.001。

    在I3D的訓(xùn)練過(guò)程中,本文使用隨機(jī)裁剪的方式,在視頻幀上隨機(jī)裁剪出224×224的區(qū)域。對(duì)視頻幀的長(zhǎng)或者寬小于256的視頻,在保證視頻長(zhǎng)寬比不變的基礎(chǔ)上將長(zhǎng)和寬的最小值擴(kuò)展到256,然后隨機(jī)裁剪一塊224×224的區(qū)域。在時(shí)域上,隨機(jī)選擇足夠早的起始幀,以保證能夠取到所需的幀數(shù)。對(duì)于幀數(shù)不足64的視頻,循環(huán)視頻直到視頻達(dá)到64幀。在訓(xùn)練過(guò)程中,隨機(jī)對(duì)視頻進(jìn)行左右翻轉(zhuǎn)。在測(cè)試過(guò)程中,對(duì)所有視頻均在中心裁剪出224×224的圖像塊,并將整個(gè)視頻進(jìn)行8幀的等間隔采樣,將所有采樣數(shù)據(jù)的預(yù)測(cè)結(jié)果取平均后作為最終的預(yù)測(cè)結(jié)果,并據(jù)此計(jì)算各項(xiàng)指標(biāo)。在C3D與R(2+1)D的訓(xùn)練過(guò)程中,先將原始的視頻按照4幀的等間隔采樣,并將采樣的幀縮放到128×171。每次隨機(jī)從采樣幀選取16幀后隨機(jī)裁剪一塊112×112的區(qū)域,在訓(xùn)練過(guò)程中隨機(jī)進(jìn)行左右翻轉(zhuǎn)。測(cè)試時(shí),保證選取的幀為中心裁剪以及對(duì)整個(gè)采樣的數(shù)據(jù)進(jìn)行12幀等間隔采樣,取平均后作為最終的預(yù)測(cè)結(jié)果。在TSM訓(xùn)練過(guò)程中,對(duì)整個(gè)視頻采樣8幀,其余參數(shù)參考TSM的默認(rèn)訓(xùn)練配置。

    在InfAR數(shù)據(jù)集上本文采用I3D進(jìn)行訓(xùn)練,其訓(xùn)練參數(shù)與UCF101、HMDB51數(shù)據(jù)集訓(xùn)練參數(shù)一致。用TV-L1算法[28]計(jì)算光流,用APG算法[26]對(duì)原始視頻進(jìn)行低秩分解,得到低秩部分與稀疏部分。

    表1所示為I3D、C3D、R(2+1)D、TSM方法在UCF101與HMDB51數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果。從表1可得,稀疏流對(duì)RGB流的全局時(shí)域信息進(jìn)行提取,在單流識(shí)別、雙流融合和多流融合的實(shí)驗(yàn)中,也能明顯地提升模型的行為識(shí)別準(zhǔn)確率。

    表1 各種方法的實(shí)驗(yàn)結(jié)果

    4.3 實(shí)驗(yàn)結(jié)果與分析

    單流識(shí)別實(shí)驗(yàn)中,與RGB流相比,稀疏流在UCF101數(shù)據(jù)集上準(zhǔn)確率平均提升了6.97%(其中I3D上提升5.37%,C3D上提升8.22%,R(2+1)D上提升10.66%,TSM上提升3.65%);在HMDB51數(shù)據(jù)集上平均提升6.24%(I3D上提升8.24%,C3D上提升5.75%,R(2+1)D上提升8.56%,TSM上提升2.42%)。這表明稀疏流所提供的全局時(shí)域信息更有利于模型對(duì)視頻運(yùn)動(dòng)特征的提取。

    在雙流融合實(shí)驗(yàn)中,稀疏流和RGB流進(jìn)行融合后,最優(yōu)結(jié)果得到了提升,在UCF101數(shù)據(jù)集上準(zhǔn)確率平均提升4.44%(I3D上提升3.12%,C3D上提升2.88%,R(2+1)D上提升7.66%,TSM上提升4.10%);在HMDB51數(shù)據(jù)集上平均提升3.45%(I3D上提升3.79%, C3D上提升3.66%,R(2+1)D上提升3.21%,TSM上提升3.13%)。這表明稀疏流所提供的全局時(shí)域信息能夠很好地與RGB流所提供的空間信息互補(bǔ)。在稀疏流與光流進(jìn)行雙流融合后,最優(yōu)結(jié)果得到了進(jìn)一步提升,在UCF101數(shù)據(jù)集上準(zhǔn)確率平均提升5.57%(I3D上提升1.69%,C3D上提升8.01%,R(2+1)D上提升5.32%,TSM上提升7.27%);在HMDB51數(shù)據(jù)集上準(zhǔn)確率平均提升6.29%(I3D上提升4.57%,C3D上提升8.89%,R(2+1)D上提升8.75%,TSM上提升2.94%)。本文所有雙流融合實(shí)驗(yàn)都取得了最佳的識(shí)別效果。

    光流、RGB流與稀疏流進(jìn)行三流融合,效果超過(guò)了本文所有的雙流融合方法,達(dá)到了最佳分類精度。相對(duì)于原始RGB流與光流融合,本文方法在UCF101數(shù)據(jù)集的識(shí)別精度比I3D提升了0.64%,比C3D提升了3.47%,比R(2+1)D提升了4.39%,比TSM提升了0.43%;而在HMDB51數(shù)據(jù)集上,比I3D提升了3.07%,比 C3D提升了4.06%,比R(2+1)D提升了7.32%,比TSM上提升4.38%。這進(jìn)一步說(shuō)明,稀疏部分提供的時(shí)域全局運(yùn)動(dòng)信息是有助于模型提升識(shí)別精度的。

    本文在InfAR數(shù)據(jù)集上補(bǔ)充了多流融合的對(duì)比實(shí)驗(yàn),其結(jié)果如表2所示。由表2可以看出,本文方法在多流融合方法中具有較大優(yōu)勢(shì),超過(guò)了其他多流融合方法,達(dá)到最佳精度。

    表2 InfAR數(shù)據(jù)集的多流融合實(shí)驗(yàn)結(jié)果

    5 總結(jié)與展望

    本文通過(guò)分析行為數(shù)據(jù)中運(yùn)動(dòng)信息的本質(zhì),將原始視頻分為穩(wěn)定區(qū)域與運(yùn)動(dòng)區(qū)域,并且通過(guò)低秩分解將這兩個(gè)區(qū)域分離,得到涵蓋了全時(shí)域的稀疏運(yùn)動(dòng)信息,用神經(jīng)網(wǎng)絡(luò)驗(yàn)證了稀疏運(yùn)動(dòng)信息讓模型提取的特征具有更高的特征識(shí)別度。實(shí)驗(yàn)表明,低秩分解對(duì)RGB流中的運(yùn)動(dòng)信息進(jìn)行提取后,其稀疏表示能夠極大提升模型的識(shí)別精度,與原始RGB或者光流有很好的融合效果,并在三流融合后顯著提升效果。

    猜你喜歡
    光流集上時(shí)域
    利用掩膜和單應(yīng)矩陣提高LK光流追蹤效果
    Cookie-Cutter集上的Gibbs測(cè)度
    鏈完備偏序集上廣義向量均衡問(wèn)題解映射的保序性
    基于時(shí)域信號(hào)的三電平逆變器復(fù)合故障診斷
    基于物理學(xué)的改善粒子圖像測(cè)速穩(wěn)健光流方法研究
    復(fù)扇形指標(biāo)集上的分布混沌
    基于極大似然準(zhǔn)則與滾動(dòng)時(shí)域估計(jì)的自適應(yīng)UKF算法
    基于時(shí)域逆濾波的寬帶脈沖聲生成技術(shù)
    基于時(shí)域波形特征的輸電線雷擊識(shí)別
    融合光流速度場(chǎng)與背景差分的自適應(yīng)背景更新方法
    看片在线看免费视频| 欧美国产日韩亚洲一区| 国内精品久久久久精免费| 成人永久免费在线观看视频| 成人av一区二区三区在线看| 日韩制服骚丝袜av| 日本a在线网址| 日韩精品中文字幕看吧| 亚洲国产精品sss在线观看| 国产精品人妻久久久影院| 亚洲aⅴ乱码一区二区在线播放| 成人av在线播放网站| av黄色大香蕉| 成人亚洲欧美一区二区av| 无遮挡黄片免费观看| 国产成人福利小说| 麻豆国产av国片精品| 国产av一区在线观看免费| 97超碰精品成人国产| 国产精品一区二区性色av| 久久精品国产亚洲av香蕉五月| 深爱激情五月婷婷| 国产中年淑女户外野战色| 精品久久久久久久久久久久久| 国产av麻豆久久久久久久| 日韩欧美在线乱码| 精品久久久久久久人妻蜜臀av| 午夜精品一区二区三区免费看| 免费观看精品视频网站| 欧美激情国产日韩精品一区| 九九爱精品视频在线观看| 精品午夜福利视频在线观看一区| 女人被狂操c到高潮| 国内精品美女久久久久久| 熟妇人妻久久中文字幕3abv| 国产探花在线观看一区二区| 十八禁国产超污无遮挡网站| 淫妇啪啪啪对白视频| 大又大粗又爽又黄少妇毛片口| 一卡2卡三卡四卡精品乱码亚洲| 美女xxoo啪啪120秒动态图| 赤兔流量卡办理| 国产精品久久电影中文字幕| 亚洲美女搞黄在线观看 | 99热这里只有精品一区| 日本在线视频免费播放| 丝袜喷水一区| 国产探花极品一区二区| 伊人久久精品亚洲午夜| 国产探花极品一区二区| 国产精品乱码一区二三区的特点| 日韩精品中文字幕看吧| 国产老妇女一区| 久久精品人妻少妇| av中文乱码字幕在线| 韩国av在线不卡| 午夜亚洲福利在线播放| 国产精品精品国产色婷婷| 日韩欧美免费精品| 俄罗斯特黄特色一大片| 日日干狠狠操夜夜爽| 亚洲婷婷狠狠爱综合网| 久久久久国内视频| 能在线免费观看的黄片| 99热6这里只有精品| 黄色欧美视频在线观看| ponron亚洲| 国产高清视频在线观看网站| 亚洲国产色片| 中文字幕久久专区| 国产高潮美女av| АⅤ资源中文在线天堂| 能在线免费观看的黄片| 久久亚洲国产成人精品v| 亚洲经典国产精华液单| av在线亚洲专区| 国产精品久久久久久亚洲av鲁大| 成人漫画全彩无遮挡| 午夜激情福利司机影院| 免费一级毛片在线播放高清视频| 大型黄色视频在线免费观看| 国产精品三级大全| 亚洲国产精品成人久久小说 | 少妇的逼水好多| 99久久久亚洲精品蜜臀av| 亚洲av美国av| 亚洲人与动物交配视频| 黄色欧美视频在线观看| 我的老师免费观看完整版| 亚州av有码| 亚洲精品国产av成人精品 | 一区福利在线观看| 色噜噜av男人的天堂激情| 久久精品国产亚洲av涩爱 | 给我免费播放毛片高清在线观看| 午夜激情欧美在线| 欧美成人免费av一区二区三区| 在线播放国产精品三级| 亚洲成av人片在线播放无| 欧美+日韩+精品| 色综合色国产| 全区人妻精品视频| 精品人妻偷拍中文字幕| 亚洲精品日韩在线中文字幕 | h日本视频在线播放| 男人舔女人下体高潮全视频| 亚洲欧美日韩卡通动漫| 国产精品一区二区免费欧美| 精品人妻偷拍中文字幕| 日本a在线网址| 亚洲av电影不卡..在线观看| 你懂的网址亚洲精品在线观看 | 国产精品无大码| 69人妻影院| 亚洲av不卡在线观看| 天天一区二区日本电影三级| 久久中文看片网| 午夜免费激情av| 天堂影院成人在线观看| 国产老妇女一区| 国产一区亚洲一区在线观看| 午夜精品在线福利| 色尼玛亚洲综合影院| 国产私拍福利视频在线观看| 成人特级av手机在线观看| 亚洲七黄色美女视频| 久久午夜亚洲精品久久| 成熟少妇高潮喷水视频| av专区在线播放| 三级国产精品欧美在线观看| 精品久久国产蜜桃| 成年女人毛片免费观看观看9| 日本熟妇午夜| 国产精品,欧美在线| 免费观看的影片在线观看| 亚洲在线自拍视频| 婷婷精品国产亚洲av在线| 俄罗斯特黄特色一大片| 天堂影院成人在线观看| 久久久午夜欧美精品| 免费大片18禁| 国产乱人偷精品视频| 高清午夜精品一区二区三区 | 国产精品爽爽va在线观看网站| 久久久久性生活片| 人妻制服诱惑在线中文字幕| 99久久中文字幕三级久久日本| 禁无遮挡网站| 久久久久久久久中文| 日韩欧美精品v在线| 99国产精品一区二区蜜桃av| 久久人妻av系列| 日韩欧美 国产精品| 国产一区二区亚洲精品在线观看| 男人狂女人下面高潮的视频| 波野结衣二区三区在线| 99在线人妻在线中文字幕| 国产成人aa在线观看| 欧美日本视频| 亚洲精品日韩av片在线观看| 俺也久久电影网| 精品国内亚洲2022精品成人| 一级a爱片免费观看的视频| 亚洲aⅴ乱码一区二区在线播放| 99久久成人亚洲精品观看| 亚洲一区二区三区色噜噜| 97在线视频观看| 亚洲一区高清亚洲精品| 人人妻人人澡人人爽人人夜夜 | 国产精品伦人一区二区| 国产精品久久久久久久电影| 中文字幕熟女人妻在线| 直男gayav资源| 国产一级毛片七仙女欲春2| 九九热线精品视视频播放| 成人鲁丝片一二三区免费| 三级经典国产精品| 亚洲无线在线观看| 高清毛片免费看| .国产精品久久| 亚州av有码| 久久人人爽人人片av| 日本熟妇午夜| 有码 亚洲区| 国产日本99.免费观看| 大香蕉久久网| 变态另类丝袜制服| 内地一区二区视频在线| 日韩av不卡免费在线播放| 日韩成人av中文字幕在线观看 | 18禁裸乳无遮挡免费网站照片| 欧美一级a爱片免费观看看| av天堂在线播放| 91久久精品国产一区二区成人| 国产aⅴ精品一区二区三区波| 12—13女人毛片做爰片一| a级毛片a级免费在线| 啦啦啦啦在线视频资源| 特级一级黄色大片| 久久人人精品亚洲av| 国产欧美日韩精品亚洲av| 天天躁日日操中文字幕| 欧美高清性xxxxhd video| 97超碰精品成人国产| 国内精品美女久久久久久| 男女做爰动态图高潮gif福利片| 中国国产av一级| 久久久国产成人免费| 直男gayav资源| 精品少妇黑人巨大在线播放 | 精品久久久久久成人av| 国产成人freesex在线 | 国产v大片淫在线免费观看| 欧美潮喷喷水| 天天躁夜夜躁狠狠久久av| 丰满人妻一区二区三区视频av| 亚洲国产精品成人综合色| 麻豆精品久久久久久蜜桃| 国产精品亚洲美女久久久| 国产精品,欧美在线| 国产日本99.免费观看| 变态另类成人亚洲欧美熟女| 欧美一区二区亚洲| 成人美女网站在线观看视频| 在线观看一区二区三区| 搡老岳熟女国产| 毛片女人毛片| 亚洲无线观看免费| 国产av不卡久久| 老司机午夜福利在线观看视频| 熟女电影av网| 两个人视频免费观看高清| 欧美一级a爱片免费观看看| 日韩欧美精品v在线| 免费观看的影片在线观看| 国产精品亚洲美女久久久| 精品乱码久久久久久99久播| 99热这里只有精品一区| 久久人人精品亚洲av| 日本一二三区视频观看| 欧美激情久久久久久爽电影| 成人特级av手机在线观看| 欧美国产日韩亚洲一区| 精品人妻视频免费看| 日本一二三区视频观看| 看十八女毛片水多多多| 观看美女的网站| 天堂网av新在线| 搡老岳熟女国产| 久久久国产成人免费| 伦理电影大哥的女人| 精品久久久久久久久av| 又爽又黄a免费视频| 欧美又色又爽又黄视频| 国产片特级美女逼逼视频| 黄色配什么色好看| 最近视频中文字幕2019在线8| 国产av一区在线观看免费| 婷婷精品国产亚洲av在线| 一本久久中文字幕| 看免费成人av毛片| 91久久精品国产一区二区三区| 久久久久久久久久久丰满| 波多野结衣高清无吗| 97热精品久久久久久| 亚洲精华国产精华液的使用体验 | 一级毛片我不卡| 搡老熟女国产l中国老女人| 99热只有精品国产| 日本在线视频免费播放| 黄片wwwwww| 亚洲人与动物交配视频| 日本黄大片高清| 免费人成视频x8x8入口观看| 少妇的逼水好多| 我的女老师完整版在线观看| 欧美另类亚洲清纯唯美| 久久人人精品亚洲av| 欧美色视频一区免费| 国产探花极品一区二区| 国产精品人妻久久久影院| 亚洲av免费高清在线观看| 免费观看精品视频网站| 免费看a级黄色片| 综合色丁香网| av黄色大香蕉| 日本免费一区二区三区高清不卡| 偷拍熟女少妇极品色| 欧美丝袜亚洲另类| 大香蕉久久网| 亚洲国产欧洲综合997久久,| 久久人人爽人人片av| 亚洲无线观看免费| 精品一区二区免费观看| 别揉我奶头~嗯~啊~动态视频| 欧美潮喷喷水| av国产免费在线观看| av视频在线观看入口| 蜜桃久久精品国产亚洲av| 国产黄片美女视频| 国产乱人视频| 国产女主播在线喷水免费视频网站 | 欧美日韩在线观看h| 中文字幕av成人在线电影| 日韩精品有码人妻一区| 天堂√8在线中文| 乱人视频在线观看| 精品无人区乱码1区二区| 特级一级黄色大片| www.色视频.com| 国产精华一区二区三区| 亚洲人成网站在线播| 免费无遮挡裸体视频| 男人舔女人下体高潮全视频| 亚洲精品久久国产高清桃花| 日本在线视频免费播放| 亚洲一区二区三区色噜噜| 男女边吃奶边做爰视频| 国产人妻一区二区三区在| 亚洲成av人片在线播放无| 欧美又色又爽又黄视频| а√天堂www在线а√下载| 国产69精品久久久久777片| 麻豆乱淫一区二区| 看片在线看免费视频| 波多野结衣高清无吗| 一夜夜www| 国产av一区在线观看免费| 国产一级毛片七仙女欲春2| av在线播放精品| 97超碰精品成人国产| АⅤ资源中文在线天堂| 乱码一卡2卡4卡精品| 亚洲成人中文字幕在线播放| 久久久国产成人精品二区| 91午夜精品亚洲一区二区三区| 99久国产av精品国产电影| 波野结衣二区三区在线| 六月丁香七月| 日本熟妇午夜| 一夜夜www| 亚洲无线观看免费| 久久久久久大精品| 啦啦啦韩国在线观看视频| 国产精品免费一区二区三区在线| 一本精品99久久精品77| av免费在线看不卡| 精品人妻一区二区三区麻豆 | 日韩亚洲欧美综合| 中文亚洲av片在线观看爽| 91久久精品国产一区二区成人| 伦精品一区二区三区| 噜噜噜噜噜久久久久久91| 可以在线观看毛片的网站| 日韩欧美一区二区三区在线观看| 在线播放国产精品三级| 香蕉av资源在线| 九九爱精品视频在线观看| av国产免费在线观看| 亚洲一区高清亚洲精品| 国产真实伦视频高清在线观看| 午夜激情欧美在线| 神马国产精品三级电影在线观看| 久久精品夜色国产| 又粗又爽又猛毛片免费看| 国产片特级美女逼逼视频| 日本-黄色视频高清免费观看| 国产黄色小视频在线观看| 国产久久久一区二区三区| 精品人妻偷拍中文字幕| 久久6这里有精品| 国产大屁股一区二区在线视频| 日本免费一区二区三区高清不卡| 精品少妇黑人巨大在线播放 | 国产v大片淫在线免费观看| 亚洲电影在线观看av| av在线天堂中文字幕| 国产av一区在线观看免费| 久久热精品热| 一个人免费在线观看电影| 老师上课跳d突然被开到最大视频| 精品久久久久久久久亚洲| 成年免费大片在线观看| 无遮挡黄片免费观看| 国产精品一二三区在线看| 97碰自拍视频| 精品无人区乱码1区二区| 男女啪啪激烈高潮av片| 99热6这里只有精品| 亚洲激情五月婷婷啪啪| 乱系列少妇在线播放| 国产高潮美女av| 别揉我奶头~嗯~啊~动态视频| 1000部很黄的大片| 毛片女人毛片| 国产高清视频在线播放一区| 狂野欧美白嫩少妇大欣赏| 欧美日韩综合久久久久久| 色综合站精品国产| 真实男女啪啪啪动态图| eeuss影院久久| 成人av在线播放网站| 黄色一级大片看看| 噜噜噜噜噜久久久久久91| 国产乱人偷精品视频| 午夜福利在线在线| 久久九九热精品免费| 久久久久免费精品人妻一区二区| 日本精品一区二区三区蜜桃| 精品午夜福利视频在线观看一区| 国产三级中文精品| 欧美一区二区亚洲| 性欧美人与动物交配| 亚洲av中文字字幕乱码综合| 国产午夜福利久久久久久| 久久99热这里只有精品18| 国产精品女同一区二区软件| 久99久视频精品免费| 一级毛片aaaaaa免费看小| 91午夜精品亚洲一区二区三区| 国产一区二区在线av高清观看| 97超级碰碰碰精品色视频在线观看| 精品熟女少妇av免费看| 日本a在线网址| 午夜视频国产福利| 我的女老师完整版在线观看| 极品教师在线视频| 国产三级中文精品| 国产亚洲av嫩草精品影院| 欧美不卡视频在线免费观看| 国国产精品蜜臀av免费| 国内久久婷婷六月综合欲色啪| 国产一区二区三区av在线 | 国产片特级美女逼逼视频| 色综合色国产| 免费大片18禁| 国产伦一二天堂av在线观看| 日日摸夜夜添夜夜爱| 国产精品1区2区在线观看.| 99riav亚洲国产免费| 亚洲第一区二区三区不卡| 久久久国产成人免费| 欧美+亚洲+日韩+国产| 桃色一区二区三区在线观看| 男人舔女人下体高潮全视频| 国产又黄又爽又无遮挡在线| 麻豆国产97在线/欧美| 18+在线观看网站| 欧美日韩乱码在线| 又爽又黄无遮挡网站| 日韩av不卡免费在线播放| 亚洲成a人片在线一区二区| 97人妻精品一区二区三区麻豆| 校园春色视频在线观看| 日韩欧美三级三区| 成人精品一区二区免费| 在线观看美女被高潮喷水网站| 大香蕉久久网| 毛片女人毛片| 亚洲av中文av极速乱| 久久99热6这里只有精品| 婷婷色综合大香蕉| 国产aⅴ精品一区二区三区波| АⅤ资源中文在线天堂| 午夜视频国产福利| 床上黄色一级片| 男女那种视频在线观看| 久久久精品大字幕| 国内少妇人妻偷人精品xxx网站| 夜夜爽天天搞| 内射极品少妇av片p| 淫秽高清视频在线观看| 亚洲丝袜综合中文字幕| 日韩三级伦理在线观看| 99久久成人亚洲精品观看| 国产高清激情床上av| 成人鲁丝片一二三区免费| 大型黄色视频在线免费观看| 久久九九热精品免费| 夜夜看夜夜爽夜夜摸| 最近手机中文字幕大全| 日韩精品中文字幕看吧| 免费观看人在逋| 男女下面进入的视频免费午夜| 舔av片在线| 99热精品在线国产| 深夜精品福利| 精品久久久久久久久久免费视频| 色综合亚洲欧美另类图片| 中文字幕免费在线视频6| 婷婷色综合大香蕉| 免费看日本二区| 亚洲乱码一区二区免费版| 国产中年淑女户外野战色| 亚洲av五月六月丁香网| 一进一出抽搐gif免费好疼| 亚洲精品国产av成人精品 | 亚洲内射少妇av| 国产av麻豆久久久久久久| 精品午夜福利在线看| 国产乱人偷精品视频| 91麻豆精品激情在线观看国产| 久久久久精品国产欧美久久久| 日日撸夜夜添| 丝袜喷水一区| 变态另类丝袜制服| 免费人成在线观看视频色| 成人特级av手机在线观看| 免费av观看视频| 超碰av人人做人人爽久久| 不卡视频在线观看欧美| 国产高清有码在线观看视频| 成人高潮视频无遮挡免费网站| 天美传媒精品一区二区| 日韩,欧美,国产一区二区三区 | 亚洲自拍偷在线| 久久人人爽人人片av| 亚洲激情五月婷婷啪啪| 国产精品美女特级片免费视频播放器| 成年女人看的毛片在线观看| 亚洲高清免费不卡视频| 免费无遮挡裸体视频| 一个人观看的视频www高清免费观看| 色综合色国产| 卡戴珊不雅视频在线播放| 日韩,欧美,国产一区二区三区 | 三级国产精品欧美在线观看| 午夜精品在线福利| 国产一区二区激情短视频| 久久精品国产亚洲av天美| 看非洲黑人一级黄片| 欧美极品一区二区三区四区| 国产男靠女视频免费网站| 午夜激情欧美在线| 国产乱人视频| 国产精品一区www在线观看| 在线观看av片永久免费下载| 简卡轻食公司| 不卡一级毛片| 日韩亚洲欧美综合| 不卡一级毛片| 午夜精品在线福利| 色哟哟哟哟哟哟| 最近在线观看免费完整版| 亚洲成人久久性| 最近2019中文字幕mv第一页| 男女啪啪激烈高潮av片| 在线免费观看不下载黄p国产| 大型黄色视频在线免费观看| 久久人人爽人人片av| 国产精品福利在线免费观看| 久久精品国产99精品国产亚洲性色| 18禁黄网站禁片免费观看直播| 色av中文字幕| 国产高清激情床上av| 国产乱人偷精品视频| 国产精品免费一区二区三区在线| 99热这里只有是精品50| 国产一区亚洲一区在线观看| 啦啦啦观看免费观看视频高清| 亚洲精品粉嫩美女一区| 国产av麻豆久久久久久久| 露出奶头的视频| 欧美人与善性xxx| 亚洲av第一区精品v没综合| 黄色配什么色好看| 午夜福利在线观看吧| av.在线天堂| 成人av在线播放网站| 伦理电影大哥的女人| 国产午夜精品久久久久久一区二区三区 | 精品国产三级普通话版| 又爽又黄无遮挡网站| 国产精品亚洲美女久久久| 国产精品三级大全| 赤兔流量卡办理| 18禁在线播放成人免费| 欧美人与善性xxx| 日韩成人av中文字幕在线观看 | 我要搜黄色片| 老熟妇乱子伦视频在线观看| 国产精品久久视频播放| av.在线天堂| 国产精品美女特级片免费视频播放器| 国产精品久久久久久亚洲av鲁大| 日本黄色片子视频| 精品久久久久久久久亚洲| 日本在线视频免费播放| 深夜精品福利| 国产激情偷乱视频一区二区| 俄罗斯特黄特色一大片| 黄色一级大片看看| 国产成人影院久久av| 12—13女人毛片做爰片一| 韩国av在线不卡| 精华霜和精华液先用哪个| 直男gayav资源| 国产精品一区二区三区四区久久| 亚洲av中文字字幕乱码综合| 亚洲av一区综合| av黄色大香蕉| 国产免费一级a男人的天堂| 一进一出抽搐动态| 无遮挡黄片免费观看| 中文字幕人妻熟人妻熟丝袜美| 精品久久久久久久久av| 中文资源天堂在线| 亚洲高清免费不卡视频| 国产精品一区二区性色av| 韩国av在线不卡| 久久这里只有精品中国| 联通29元200g的流量卡| 在线观看美女被高潮喷水网站| 变态另类成人亚洲欧美熟女| 能在线免费观看的黄片|