一种基于深度学习的人体交互行为分层识别方法

• 作者: 尹坤阳 徐素霞 潘伟 谢立东
• 来源期刊: 厦门大学学报（自然科学版）
• 学科: 工学
• 关键词: 人体行为识别 深度学习 隐马尔科夫模型(HMM) 上下文无关文法(CFG) Kinect
• 年，卷（期）: 2016,（3）
• 页码范围: 413-419
• 页数: 7页
• 分类号: TP391
• 字数: 5341字
• 语种: 中文
• DOI: 10.6043/j.issn.0438-0479.2016.03.019

摘要

本文把人体交互行为分解为由简单到复杂的4个层次:姿态、原子动作、复杂动作和交互行为,并提出了一种分层渐进的人体交互行为识别方法.该方法共有3层:第1层通过训练栈式降噪自编码神经网络把原始视频中的人体行为识别为姿态序列;第2层构建原子动作的隐马尔科夫模型(hidden Markov model,HMM),并利用估值定界法识别第1层输出的姿态序列中包含的原子动作;第3层以第2层输出的原子动作序列为输入,采用基于上下文无关文法(context-free grammar,CFG)的描述方法识别原子动作序列中的复杂动作和交互行为.实验结果表明,该方法能有效地识别人体交互行为.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘伟	厦门大学信息科学与技术学院福建省仿脑智能系统重点实验室	14	51	5.0	6.0
2	尹坤阳	厦门大学信息科学与技术学院福建省仿脑智能系统重点实验室	1	3	1.0	1.0
3	谢立东	厦门大学信息科学与技术学院福建省仿脑智能系统重点实验室	1	3	1.0	1.0
4	徐素霞	厦门大学信息科学与技术学院福建省仿脑智能系统重点实验室	2	49	2.0	2.0