基于改进长效递归卷积网络的行为识别算法

• 作者: 徐方 王学微 贾凯
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 行为识别 卷积神经网络 递归神经网络 深度学习 模式识别
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 智能技术
• 页码范围: 2054-2058
• 页数: 5页
• 分类号: TP391.41
• 字数: 3142字
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2018.07.042

摘要

为充分提取视频序列中人体行为的静态特征与时域特征,提高人体行为识别算法的准确率,结合深度卷积神经网络与递归神经网络,提出一种端到端的网络模型,分别使用多帧叠加的RGB图像与光流图像作为网络输入,将基于RGB图像的人体行为特征与基于光流图像的人体行为特征进行加权融合,作为最终的人体行为特征.实验结果表明,该算法可以有效提高行为识别准确率,在公开数据集UCF101上取得了84.68％的平均准确率,高于改进前长效递归卷积神经网络(82.34％).

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾凯	中国科学院沈阳自动化研究所机器人国家重点实验室	18	207	6.0	14.0
3	徐方	中国科学院沈阳自动化研究所机器人国家重点实验室	59	737	15.0	25.0
9	王学微	中国科学院沈阳自动化研究所机器人国家重点实验室	1	2	1.0	1.0