基于CNN和LSTM混合模型的人体跌倒行为研究

• 作者: 厍向阳 苏学威
• 来源期刊: 计算机应用研究
• 关键词: 跌倒行为识别 卷积神经网络 长短期记忆网络 时间维度
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 图形图像技术
• 页码范围: 3857-3859,3868
• 页数: 4页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.06.0424

摘要

目前深度学习模型不能较好地把监控视频中跌倒行为的空间和时序特征有效结合起来.为此,提出基于CNN(convolutional neural network)和LSTM(long-short term memory)混合模型的人体跌倒行为识别方法.该模型采用两层结构,将视频以每5帧为一组输入到网络中,CNN提取视频序列的空间特征,LSTM提取视频时间维度上的特征,最后使用softmax分类器进行识别.实验表明,该方法可以有效提高跌倒识别的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	厍向阳	西安科技大学计算机科学与技术学院	38	277	10.0	14.0
2	苏学威	西安科技大学计算机科学与技术学院	1	2	1.0	1.0