多维度自适应3D卷积神经网络原子行为识别

• 作者: 朱建刚 高大鹏
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 行为识别 视频分析 3D空间金字塔池化 原子行为 3D卷积神经网络
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 174-178,230
• 页数: 6页
• 分类号: TP181
• 字数: 5115字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1707-0347

摘要

针对现有的3D卷积神经网络(3D Convolutional Neural Networks,3DCNN)行为识别算法将输入视频分块划分为固定长度,其包含的行为信息可能冗余或不全的问题,提出了解决方案.利用人体运动质点轨迹的特性定义了人体原子行为;以原子行为的长度作为视频分块的长度进行视频划分,得到包含完整信息的人体行为.3DCNN要求输入数据必须是相同维度,而原子行为视频块长度不同.为此改进了空间金字塔池化(3D Spatial Pyramid Pooling,3D SPP)技术,以适用于不同长度视频处理.把SPP层放置在全连接层前,处理3DCNN卷积层输出的不同长度特征图,以输出相同长度特征向量.与相关算法相比,实验数据说明该算法对输入数据要求更低,由于视频分块信息的完整性,识别率有显著提高.