导读:本文包含了局部兴趣点论文开题报告文献综述及选题提纲参考文献，主要关键词:时空兴趣点,人体行为识别,兴趣点区域运动方向直方图,AP聚类
局部兴趣点论文文献综述
郭峰[1]（2016）在《基于局部时空兴趣点的人体行为识别方法研究》一文中研究指出基于视频的人体行为识别一直是计算机视觉技术领域的热点研究课题,在各行各业都具有广泛的应用前景和实用价值,如智能监控、人机交互、视频检索等。基于局部时空兴趣点的人体行为识别方法因其对各种干扰都具有较好的鲁棒性而成为目前主流的方法,这种方法通过检测像素值在时空邻域有显着变化的兴趣点并从中提取底层特征来进行行为描述,无需对图像进行前背景分割和目标跟踪。本文主要针对该方法进行研究,主要的研究内容及成果如下:提出了一种基于时空兴趣点区域(ROI)的运动区域方向直方图HOIRM(Histogram of Oriented Interest Region Motion)特征,首先根据兴趣点的空间位置分布提取每一帧的时空兴趣点区域ROI(Region of Interest Points),再根据帧与帧之间ROI的运动方向确定HOIRM特征,该特征是介于局部特征和全局特征之间的一种中层特征,既具有局部特征的优点又避免了提取全局特征所需的繁琐的步骤。接着使用联合3D HOG、3D HOF的描述方法得到时空兴趣点附近的局部特征,利用累加直方图对局部特征和HOIRM特征进行了有效融合。提出了一种基于AP聚类的词袋模型应用于人体行为识别,在识别率上,对于多特征融合后的特征,AP聚类算法本身的聚类效果要优于基于K-Means聚类的词袋模型,且在特征数量比较大的情况下AP聚类获取视觉词典花费的时间更少;基于AP聚类的词袋模型可以通过特征向量之间相互传递消息来获取最优的视觉词典容量,即不需要事先指定分类数目和初始聚类中心,因而不需要为了获取合适的视觉词典容量进行多次实验。(本文来源于《浙江工业大学》期刊2016-04-15）
周美丽,白宗文[2]（2015）在《商品图像局部兴趣点检索系统的研究与实现》一文中研究指出随着互联网的普及和电子商务日益发展,商品图像检索技术已经越来越受瞩目,为了能够在众多的商品图像中高效、快捷的搜索出购买者感兴趣的商品,利用MATLAB语言开发了基于商品局部兴趣点的图像检索系统,并对该系统进行了测试,测试结果表明该系统不但运行速度快、稳定性好,而且通过对不同情况下各商品兴趣点的测试结果进行比较、分析,发现该商品图像局部兴趣点检测系统具有很好的鲁棒性。因此该系统具有一定推广价值和实用价值。(本文来源于《电子测量技术》期刊2015年07期）
鲁梦梦[3]（2015）在《基于局部时空兴趣点的人体行为识别》一文中研究指出人体行为识别作为计算机视觉领域的热点研究课题之一,具有很高的商业价值和应用价值,并逐渐成为了各领域研究人员重点研究对象。许多大型公共场所的视频监控系统以及许多视频共享网站都被要求能够自动识别视频数据中的人体行为。本文主要包括两部分的内容:单人动作识别和两人交互异常行为识别。对于单人动作识别,采用Harris3D检测器提取视频数据中的时空兴趣点,并且计算兴趣点的Harris3D特征作为表观特征。通过对表观特征描述子聚类得到表观特征词袋,即传统词袋模型。但是传统的词袋模型存在缺陷,它只考虑到了每个视觉单词出现的频率,而没有考虑单词之间的次序以及单词之间的共现信息。基于此,提出了特征点的局部时空分布一致性特征,计算特征点邻域内的时空位置分布信息,对其聚类构建局部时空分布特征词袋。然后将局部时空分布特征词袋和表观特征词袋串联融合构建增强的词袋模型,计算每个视频数据所对应的的词频分布直方图,通过对多类分类SVM的训练学习,实现对未知样本的分类识别。分别在Weizmann和KTH数据库上进行实验,结果表明了增强词袋算法能够有效减少动作之间的混淆,识别效果更好。较单人行为识别不同的是,在提取兴趣点之前对多人交互异常行为数据库采取预处理操作,如前景检测、形态学处理等。并提出了感兴趣帧的概念,把感兴趣帧定义为异常行为最可能发生的帧。以计算前景目标之间的距离为基础,感兴趣帧的选取分为两种情况:当目标没有遮挡时,将两目标中心之间的距离小于阈值的帧作为感兴趣帧;当目标出现遮挡时,记录目标首次出现距离小于阈值的时间T1,以及T1时间点之后第一次出现距离大于阈值的时间点T2,将T1-T2时间段内的视频帧作为感兴趣帧。对感兴趣帧的选取,不仅降低了计算机的存储空间,减少了算法耗时,而且避免了对无关帧的计算,减少了误判的兴趣点,分类准确度也有了一定程度提高。分别在CASIA和UT-interaction数据库进行实验,实验数据表明我们的算法是有效且可行的。(本文来源于《中国民航大学》期刊2015-04-26）
陈晓宁,杨润丰,赵健[4]（2012）在《基于兴趣点局部综合颜色和纹理图像检索方法》一文中研究指出提出了一种基于兴趣点局部区域综合颜色和纹理的图像检索方法。此方法主要用于对图像中有代表意义的局部区域图像特征进行提取。文中研究了对兴趣点的选取以及感兴趣区域的确定,再对感兴趣区域内的图像进行颜色和纹理特征提取。实验证明,此方法提高了图像的检索效率及准确率。(本文来源于《电子科技》期刊2012年09期）
林睿,王伟东,杜志江,孙立宁[5]（2012）在《基于多项扩展式局部方向张量的兴趣点检测算子(英文)》一文中研究指出In this paper, aiming at application of vision-based mobile robot navigation, we present a novel method for detecting scale and rotation invariant interest points, coined polynomial local orientation tensor (PLOT). Our detector is based on the local orientation tensor, which is constructed from the polynomial expansion of the image signal. We first analyze the properties of the local orientation tensor of PLOT, and select a suitable tuning parameter to make the local orientation tensor extract invariant features. Automatic scale selection is also used in the computation of the local orientation tensor and the characteristic scale is selected to attain scale invariant features. Then, the true interest points are detected by the small eigenvalues of the orientation tensor. We evaluate the performance of our detector on the repeatability criteria and compare it with other existing approaches. Experimental results for PLOT show strong performance in different rotations, with varying scale changes and illumination changes in the real-world conditions.(本文来源于《自动化学报》期刊2012年07期）
杜吉祥,郭一兰,翟传敏[6]（2012）在《基于局部时空兴趣点特征包的事件识别》一文中研究指出提出一种基于局部时空兴趣点特征包的电影中复杂事件检索与识别的方法.该方法先将一个独立的事件视频序列表示成一个局部时空兴趣点特征包,再将此特征包与支持向量机相结合用于识别事件.该方法使用局部时空特征描述子来捕捉视频中的局部事件,可以适应事件的模式的不同的大小和速度.为了验证该方法的有效性,使用了Hollywood视频数据库,其中的镜头序列收集自32部不同的Hollywood电影,包含了8个事件类别.和其他相关的方法相比,实验结果证明本文提出的方法明显提高了平均正确率和平均查准率.(本文来源于《南京大学学报(自然科学版)》期刊2012年01期）
文朝辉,路红[7]（2012）在《基于Hessian矩阵和Gabor函数的局部兴趣点检测》一文中研究指出局部特征方法是基于内容的图像与视频检索的重要方法。提出一种新的基于Hessian矩阵和Gabor函数的尺度不变局部特征点检测方法(Hessian-Gabor Detector)。该方法首先利用基于Hessian矩阵的检测子定位图像在空间域上的候选特征点位置,然后用基于Gabor函数的算子检测候选兴趣点在尺度空间的特征尺度,从而获得具有尺度不变特性的局部特征点。实验证明,与DOG、Harris-Laplace等方法相比,计算简单。应用于图像匹配中,能够显着地提高匹配效率。(本文来源于《计算机应用与软件》期刊2012年01期）
孟繁杰,郭宝龙[8]（2011）在《使用兴趣点局部分布特征及多示例学习的图像检索方法》一文中研究指出提出了一种基于兴趣点的图像检索新方法.在尺度空间中检测兴趣点,依据兴趣点的分布将图像划分成一系列等面积的扇形子区域并提取图像特征.该特征既反映了兴趣点的局部特性,又考虑了兴趣点的空间分布结构,同时对图像旋转、缩放和平移具有不变性.在相关反馈阶段,将图像看作是由各子区域内兴趣点局部特征构成的多示例包,根据用户选择的实例图像生成正包和反包,采用多示例学习算法获得体现图像语义的目标概念.本方法缩小了用户查询中的歧义性,在Corel图像库中进行的实验表明,与其他基于兴趣点的图像检索方法相比,平均检索准确率提高7%以上,可以更准确地查找到用户所需图像.(本文来源于《西安电子科技大学学报》期刊2011年02期）
张良,王海丽,吴仁彪[9]（2009）在《基于改进局部不变特征的兴趣点匹配》一文中研究指出该文提出了一种适用于目标跟踪的局部特征点检测与匹配方法,在尺度不变特征(Scale Invariant Feature Transform,SIFT)算法基础上进行了多方面的改进。在高斯差分尺度空间仅检测局部极大值,提高算法的稳定性;采用基于圆形邻域统计梯度方向直方图,来确定兴趣点的主方向和描述子,避免了图像旋转的运算代价;最后采用最近邻与次近邻之比来对96维的描述子进行匹配。所提方法在有效地提高匹配准确率的同时,大大提高了运算速度,适用于对实时性要求较高的场合。(本文来源于《电子与信息学报》期刊2009年11期）
杨震群[10]（2007）在《基于局部兴趣点和弹性图匹配的掌纹识别技术研究》一文中研究指出随着科学与技术的迅猛发展,传统的基于标识物品或者标识知识的身份识别技术已不能满足复杂的实时识别需求,人体生物特征识别技术由于具有(1)用户随身携带,(2)不易被窃取,(3)不易被伪造等特点,近年来得到了越来越广泛的研究和应用。掌纹作为人体生物特征中的一种性能优越的特征,具有以下优点:容易获取,囊括的信息量丰富,适于分类,主特征明显、稳定。掌纹识别系统友好、方便、快速、有效,容易实现低成本和大范围的使用。因此,掌纹识别技术在最近的十多年时间里得到了国内外各研究机构和学者的重视。掌纹图像特征丰富,其中包含手掌的长、宽和面积等参数的几何形状特征,叁条主要屈肌纹的特征,皱纹特征,叁角状带和脊线等细节特征。基于这些特征,产生了许多优秀的识别算法。由于受掌纹大面积柔性皮肤的影响,对同一采样者不同时刻的掌纹采样会出现非线性的形变,这给基于局部特征的匹配方法(如基于点,或者线特征的方法)造成了一定困难。相对于局部特征的方法来说,全局统计特征的方法很少受非线性形变的影响;然而,全局统计方法在特征提取阶段即丢失了丰富的局部细节特征,直接影响特征的代表性,使很多具有相似全局特性的掌纹很难被区分开。因此,寻找一种能够同时描述图像全局和局部代表性特征的方法成为近年来掌纹识别研究的一个重要发展趋势。本文在广泛研究和总结掌纹识别技术的相关知识、关键技术的基础上,主要进行了以下几个方面的研究工作:(1)分析了当前掌纹特征提取方法的优缺点,提出使用局部兴趣点(LocalInteresting Points,简称LIPs)进行特征提取和描述的新方法。该方法将DoG(Difference of Gaussian)检测方法与SIFT(Scale Invariant FeatureTransform)描述方法相结合用于提取、表达掌纹特征,能完整并有效地提取掌纹的局部兼全局代表性特征,且提取到的特征具有稳定、互异、简洁和鲁棒性好等优点。(2)根据掌纹图像的变形特点,对传统的LIPs点匹配方法进行了改进,有效降低了算法时间复杂度。(3)通过分析掌纹的非线性形变特点,提出新的基于弹性模型的匹配和识别方法。在特征匹配阶段通过弹性模型的自适应能力减小非线性形变的影响,提高了匹配的准确率。(4)使用分层匹配的思想构建决策树,对算法的决策过程和执行时间均进行了优化,并提高了识别精度。随着信息技术推动的新产业革命的兴起,人们在网络社会生存和生活都离不开身份识别与认证,生物特征识别技术是逐渐为人们公认的一种最安全的身份认证技术。近几年来,全球的生物特征识别技术已从研究阶段转向应用阶段,对该技术的研究和应用正进行得如火如荼,前景十分广阔。目前,常用的人体生物特征识别技术有虹膜识别、指纹识别、脸形识别、手形识别等,但没有一种技术在各项指标上全面优于其它技术,所以不同的应用场合需要采用不同的技术。掌纹识别技术作为一种较新的人体生物特征识别技术,是目前的研究热点。本文从多种常用人体生物特征识别技术的介绍开始,广泛研究了掌纹识别技术的相关问题和技术路线,重点概括了掌纹识别技术中的图像采集技术和图像预处理技术、特征提取和匹配技术,并对各种技术进行了比较分析,指出了未来的研究方向。(本文来源于《云南师范大学》期刊2007-05-01）
局部兴趣点论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着互联网的普及和电子商务日益发展,商品图像检索技术已经越来越受瞩目,为了能够在众多的商品图像中高效、快捷的搜索出购买者感兴趣的商品,利用MATLAB语言开发了基于商品局部兴趣点的图像检索系统,并对该系统进行了测试,测试结果表明该系统不但运行速度快、稳定性好,而且通过对不同情况下各商品兴趣点的测试结果进行比较、分析,发现该商品图像局部兴趣点检测系统具有很好的鲁棒性。因此该系统具有一定推广价值和实用价值。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
局部兴趣点论文参考文献
[1].郭峰.基于局部时空兴趣点的人体行为识别方法研究[D].浙江工业大学.2016
[2].周美丽,白宗文.商品图像局部兴趣点检索系统的研究与实现[J].电子测量技术.2015
[3].鲁梦梦.基于局部时空兴趣点的人体行为识别[D].中国民航大学.2015
[4].陈晓宁,杨润丰,赵健.基于兴趣点局部综合颜色和纹理图像检索方法[J].电子科技.2012
[5].林睿,王伟东,杜志江,孙立宁.基于多项扩展式局部方向张量的兴趣点检测算子(英文)[J].自动化学报.2012
[6].杜吉祥,郭一兰,翟传敏.基于局部时空兴趣点特征包的事件识别[J].南京大学学报(自然科学版).2012
[7].文朝辉,路红.基于Hessian矩阵和Gabor函数的局部兴趣点检测[J].计算机应用与软件.2012
[8].孟繁杰,郭宝龙.使用兴趣点局部分布特征及多示例学习的图像检索方法[J].西安电子科技大学学报.2011
[9].张良,王海丽,吴仁彪.基于改进局部不变特征的兴趣点匹配[J].电子与信息学报.2009
[10].杨震群.基于局部兴趣点和弹性图匹配的掌纹识别技术研究[D].云南师范大学.2007
标签：时空兴趣点; 人体行为识别; 兴趣点区域运动方向直方图; AP聚类;