基于双向GRU和注意力机制模型的人体动作预测

• 作者: 何大阔 桑海峰 陈紫珍
• 来源期刊: 计算机辅助设计与图形学学报
• 学科: 工学
• 关键词: 人体动作预测 深度学习 端到端模型 循环神经网络
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 图像与视觉
• 页码范围: 1166-1174
• 页数: 9页
• 分类号: TP391.41
• 字数: 6045字
• 语种: 中文
• DOI: 10.3724/SP.J.1089.2019.17354

摘要

针对人体动作预测中由于受到运动速度、运动幅度等不确定因素的影响,导致预测的第1帧动作不连续且准确预测时间较短的问题,提出一种基于双向门控循环单元(GRU)和注意力机制的端到端模型——BiAGRU-seq2seq.该模型的编码器部分采用双向GRU结构,使数据从正反2个方向同时输入;解码器部分采用单向GRU结构并加入了注意力机制,使编码器输出编码成一个包含多个子集的向量序列;然后将解码器的输入和输出数据同时送入残差架构中,用来模拟人体运动速度,使预测值更接近真实值.在TensorFlow框架下,利用目前动作捕捉数据最大的公开数据集human3.6m进行人体动作预测实验的结果表明,文中模型不仅能极大地降低短期动作预测的误差,也能较为准确地预测出多帧动作.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何大阔	东北大学信息科学与工程学院	61	1000	19.0	29.0
2	桑海峰	沈阳工业大学信息科学与工程学院	29	216	9.0	14.0
3	陈紫珍	沈阳工业大学信息科学与工程学院	2	7	2.0	2.0