基于深度神经网络的人体动作识别方法

• 作者: 岳峻 朱华 杨照璐 牟梦媛 魏丽冉
• 来源期刊: 济南大学学报（自然科学版）
• 学科: 工学
• 关键词: 深度神经网络 GoogLeNet模型 动作识别 Softmax分类 静态图像
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 信息科学
• 页码范围: 215-223,228
• 页数: 10页
• 分类号: TP391
• 字数: 5545字
• 语种: 中文
• DOI: 10.13349/j.cnki.jdxbn.2019.03.004

摘要

针对静态图像集中人体动作种类繁杂且识别准确率较低的问题,提出一种基于深度神经网络的人体动作识别方法;该方法采用迁移学习的思想对GoogLeNet模型进行改进,使得网络在预训练之后能够对行为个体的种类具有一定的姿势表达能力;采用逻辑分类中的逻辑回归多分类来实现动作的多分类,并通过建立动作识别模型应用系统对其进行验证;通过MATLAB2017处理平台对该模型进行测试,并得出图像的平均识别率.结果表明,本文中提出的方法在公开的图像数据集PPMI上的平均识别率相对较高,证实了构建的基于GoogLeNet人体动作识别模型应用系统对人体动作的分类是可行且有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	岳峻	鲁东大学信息与电气工程学院	24	87	5.0	8.0
2	杨照璐	鲁东大学信息与电气工程学院	3	5	1.0	2.0
3	牟梦媛	鲁东大学信息与电气工程学院	2	1	1.0	1.0
4	魏丽冉	鲁东大学信息与电气工程学院	1	1	1.0	1.0
5	朱华	鲁东大学信息与电气工程学院	2	2	1.0	1.0