基于关注度网络的行为识别

• 作者: 周义 张舟 范楼苗
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 行为识别 长短期记忆网络 关注度 光流掩膜
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 学术研究与应用
• 页码范围: 83-88
• 页数: 6页
• 分类号: TP391.41
• 字数: 4396字
• 语种: 中文

摘要

行为识别是计算机视觉领域的一个重要研究课题,具有广泛的应用前景.针对现实中对视频整体序列结构建模会增加大量的冗余信息,提出了一种基于时空关注度长短期记忆网络(Spatial-Temporal Attention Long-Short Term Memory,STA-LSTM)的行为识别框架,提高了行为识别效率.利用GoogLeNet逐层卷积视频帧,自动聚合蕴含边、角和线等底层特征以生成具有显著结构性的高层语义特征.在LSTM中引入关注度网络来学习关注度权重,利用光流掩膜分割有效的运动前景区域,从而优化关注度权重,将其与卷积特征相结合作为STA-LSTM模型的输入特征,从而进行行为识别.在UCF101数据集上的实验结果表明,本文方法优于当前的一些先进方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范楼苗	合肥工业大学计算机与信息学院	3	0	0.0	0.0
2	张舟	合肥工业大学计算机与信息学院	2	0	0.0	0.0
3	周义	合肥工业大学计算机与信息学院	1	0	0.0	0.0