基于四元数时空卷积神经网络的人体行为识别

• 作者: 刘雪君 孟勃 王晓霖
• 来源期刊: 仪器仪表学报
• 学科: 工学
• 关键词: 四元数 卷积神经网络 码本 人体行为识别
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 信息处理技术
• 页码范围: 2643-2650
• 页数: 8页
• 分类号: TP391.4|TH164
• 字数: 4405字
• 语种: 中文

摘要

传统卷积神经网络(CNN)只适用于灰度图像或彩色图像分通道的特征提取,忽视了通道间的空间依赖性,破坏了真实环境的颜色特征,从而影响人体行为识别的准确率.为了解决上述问题,提出一种基于四元数时空卷积神经网络(QST-CNN)的人体行为识别方法.首先,采用码本算法预处理样本集所有图像,提取图像中人体运动的关键区域;然后将彩色图像的四元数矩阵形式作为网络的输入,并将CNN的空间卷积层扩展为四元数空间卷积层,将彩色图像的红、绿、蓝通道看作一个整体进行动作空间特征的提取,并在时间卷积层提取相邻帧的动态信息;最后,比较QST-CNN、灰度单通道CNN(Gray-CNN)和RGB 3通道CNN(3 Channel-CNN)3种方法的识别率.实验结果表明,所提方法优于其他流行方法,在Weizmann和UCF sports数据集分别取得了85.34％和80.2％的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孟勃	东北电力大学信息工程学院	9	63	4.0	7.0
2	刘雪君	东北电力大学信息工程学院	2	21	2.0	2.0
3	王晓霖	东北电力大学信息工程学院	2	13	2.0	2.0