基于双流卷积神经网络的改进人体行为识别算法

• 作者: 张怡佳 茅耀斌
• 来源期刊: 计算机测量与控制
• 关键词: 人体行为识别 深度学习 双流卷积神经网络 模型融合
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 设计与应用
• 页码范围: 266-269,274
• 页数: 5页
• 分类号: TP242
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2018.08.059

摘要

近年来人体行为识别成为计算机视觉领域的一个研究热点,而卷积神经网络(convolutional neural network,CNN)在图像分类和识别领域取得了重要突破,但是人体行为识别是基于视频分析的,视频包含空间域和时间域两部分的信息;针对基于视频的人体行为识别问题,提出一种改进的双流卷积神经网络(Two-Stream CNN)模型,对于空间域,将视频的单帧RGB图像作为输入,送入VGGNet_16模型;对于时间域,将多帧叠加后的光流图像作为输入,送入Flow_ Net模型;最终将两个模型的Softmax输出加权融合作为输出结果,得到一个多模型融合的人体行为识别器.基于JHMDB公开数据库的实验,结果证明了改进的双流CNN在人体行为识别任务上的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	茅耀斌	南京理工大学自动化学院	37	772	17.0	27.0
2	张怡佳	南京理工大学自动化学院	1	5	1.0	1.0