基于ActionVLAD池化与分层深度学习网络的组群行为识别方法

• 作者: 姜成恒 王传旭
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 组群行为识别 局部聚合描述符 双流网络 分层长短时记忆
• 年，卷（期）: 2019,（4）
• 页码范围: 585-593
• 页数: 9页
• 分类号: TP391
• 字数: 4164字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2019.04.002

摘要

构建端到端的深度学习网络结合局部聚合描述符(Action vector of locally aggregated descriptor,ActionVLAD)池化层和多层长短时记忆(Long short time memory,LSTM)解决组群行为识别问题.在传统的单一图像信息(Red Green Blue,RGB)作为深度学习网络的输入基础上,添加密集光流信息(Dense_flow),描述视频帧间的运动,作为双流网络的输入;通过底层LSTM对特征信息进行建模,由融合的双流特征来表示个人行为;而ActionVLAD池化层可以对不同时间、图片不同位置的特征进行融合,从而更好地融合个人信息;最后顶层LSTM连接Softmax分类器,通过融合的个人信息判断组群活动.在Collective activity dataset数据集上的测试实验获得了82.3％的平均识别精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王传旭	青岛科技大学信息科学技术学院	45	244	9.0	14.0
2	姜成恒	青岛科技大学信息科学技术学院	2	0	0.0	0.0