基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为将卷积神经网络(CNN)应用到视频理解中,提出一种基于训练图CNN特征的识别算法.利用图像RGB数据识别视频人体动作,使用现有的CNN模型从图像中提取特征,并采用长短记忆单元的递归神经网络进行训练分类,研究CNN模型和隐层的选择、优化、特征矢量化和降维.实验结果表明,与使用图像RGB数据注意力模型的算法和组合长短期记忆模型算法相比,该算法具有更高的准确率.
推荐文章
基于视频的人体动作识别算法综述
动作识别
RGB数据
RGB-D数据
深度学习
基于3D CNN的人体动作识别研究
人体动作识别
三维卷积神经网络
特征提取
模型训练
深度学习
实验对比
基于混合特征的人体动作识别改进算法
动作识别
剪影特征
光流特征
留一法
基于角度序列特征的人体动作识别方法
动作识别
Kinect传感器
动态时间规整
DTW
角度序列
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于训练图CNN特征的视频人体动作识别算法
来源期刊 计算机工程 学科 工学
关键词 人体动作识别 深度学习 卷积神经网络 递归神经网络 记忆单元
年,卷(期) 2017,(11) 所属期刊栏目 图形图像处理
研究方向 页码范围 234-238
页数 5页 分类号 TP391
字数 3812字 语种 中文
DOI 10.3969/j.issn.1000-3428.2017.11.038
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 蒋兴浩 上海交通大学电子信息与电气工程学院 80 598 12.0 22.0
3 孙锬锋 上海交通大学电子信息与电气工程学院 49 353 10.0 18.0
9 曹晋其 上海交通大学电子信息与电气工程学院 1 16 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (32)
共引文献  (206)
参考文献  (3)
节点文献
引证文献  (16)
同被引文献  (34)
二级引证文献  (10)
1958(1)
  • 参考文献(0)
  • 二级参考文献(1)
1962(1)
  • 参考文献(0)
  • 二级参考文献(1)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(4)
  • 参考文献(0)
  • 二级参考文献(4)
2014(4)
  • 参考文献(0)
  • 二级参考文献(4)
2015(4)
  • 参考文献(1)
  • 二级参考文献(3)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(5)
  • 引证文献(4)
  • 二级引证文献(1)
2019(10)
  • 引证文献(6)
  • 二级引证文献(4)
2020(10)
  • 引证文献(5)
  • 二级引证文献(5)
研究主题发展历程
节点文献
人体动作识别
深度学习
卷积神经网络
递归神经网络
记忆单元
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
总被引数(次)
317027
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导