多尺度方法结合卷积神经网络的行为识别

• 作者: 盖赟 荆国栋
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 行为识别 时空特征 深度卷积神经网络 深度学习 行为矩阵
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 100-103,136
• 页数: 5页
• 分类号: TP391.41
• 字数: 4236字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1804-0373

摘要

为了同时计算行为序列样本在时间和空间的特征,提出了一种基于包含多尺度卷积算子的卷积神经网络识别模型.首先通过叠加的方式将序列样本中的骨骼向量信息整合为一个行为矩阵,然后将矩阵输入识别模型.为了挖掘具有不同邻接关系的骨骼点在描述人体行为时的作用,将卷积神经网络各层中的卷积算子拓展为多尺度卷积算子,并使用该网络得到的特征进行分类.实验在MSR-Action3D数据集和HDM05数据集获得较好的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	荆国栋	中国气象局气象干部培训学院远程教育中心	23	26	3.0	4.0
2	盖赟	中国社会科学院大学计算机教研部	3	3	1.0	1.0