基于3D SE-Densenet网络的视频暴力行为识别改进算法

针对传统暴力行为识别算法精度不高和三维卷积神经网络参数多的问题,本文提出一种基于3D SE-Densenet网络的视频暴力行为识别改进算法。采用3D Densenet模型提取视频中的时空特征信息,SENet(Squeeze-and-Excitation Networks)按照时空特征的重要性程度进行加权处理,根据加权的时空特征识别视频中的暴力行为。实验结果表明,本文提出的3D SE-Densenet方法在Hockey Fights Dataset和Movies Dataset上识别准确率分别达到99.1%和100%,可较准确地识别暴力行为,准确率高于传统方法。

基于NSCT变换与亮度序的局部特征描述算法

本文为了得到性能优良的局部特征描述子,结合图像频域变换与亮度序区域划分的思想,提出了一种基于非降采样Contourlet(NSCT)变换与亮度序的局部特征描述子。首先,对输入图像构建图像金字塔,并在金字塔的图层上查找关键点;然后,以关键点为中心的圆形区域划分多个NSCT支持区域,对每个支持区域进行亮度序子区域的划分;最后,描述每个子区域的特征,并串联所有子区域的特征描述,作为最终的局部特征描述子。实验表明,提出的描述子在图像模糊、视角变换、仿射变换、JPEG压缩、亮度变换等表现出良好的性能。