基于深度卷积神经网络和深度视频的人体行为识别

• 作者: 冯欣 刘智 张杰
• 来源期刊: 重庆大学学报
• 学科: 工学
• 关键词: 深度学习 人体行为识别 深度卷积神经网络 深度视频 3维卷积
• 年，卷（期）: 2017,（11）
• 页码范围: 99-106
• 页数: 8页
• 分类号: TP181
• 语种: 中文
• DOI: 10.11835/j.issn.1000-582X.2017.11.012

摘要

传统人体行为识别基于人工设计特征方法涉及的环节多,具有时间开销大,算法难以整体调优的缺点.以深度视频为研究对象,构建了3维卷积深度神经网络自动学习人体行为的时空特征,使用Softmax分类器进行人体行为的分类识别.实验结果表明,提出的方法能够有效提取人体行为的潜在特征,不但在MSR-Action3D数据集上能够获得与当前最好方法一致的识别效果,在UTKinect-Action3D数据集也能够获得与基准项目相当的识别效果.本方法的优势是不需要人工提取特征,特征提取和分类识别构成一个端到端的完整闭环系统,方法更加简单.同时,研究方法也验证了深度卷积神经网络模型具有良好的泛化性能,使用MSR-Action3D数据集训练的模型直接应用于UTKinect-Action3D数据集上行为的分类识别,同样获得了良好的识别效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘智	重庆理工大学计算机科学与工程学院	16	85	5.0	9.0
2	张杰	重庆理工大学电子信息与自动化学院	17	178	5.0	13.0
3	冯欣	重庆理工大学计算机科学与工程学院	16	92	5.0	9.0