基于改进的深度神经网络的人体动作识别模型

• 作者: 何冰倩 宋岩贝 张斌 高联欣 魏维
• 来源期刊: 计算机应用研究
• 关键词: 动作识别 深度学习 时空金字塔 注意力机制 卷积神经网络
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 图形图像技术
• 页码范围: 3107-3111
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.06.0361

摘要

针对现有人体动作识别方法需输入固定长度的视频段、未充分利用时空信息等问题,提出一种基于时空金字塔和注意力机制相结合的深度神经网络模型,将包含时空金字塔的3D-CNN和添加时空注意力机制的LSTM模型相结合,实现了对视频段的多尺度处理和对动作的复杂时空信息的充分利用.以RGB图像和光流场作为空域和时域的输入,以融合金字塔池化层的运动和外观特征后的融合特征作为融合域的输入,最后采用决策融合策略获得最终动作识别结果.在UCF101和HMDB51数据集上进行实验,分别取得了94.2％和70.5％的识别准确率.实验结果表明,改进的网络模型在基于视频的人体动作识别任务上获得了较高的识别准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏维	成都信息工程大学软件工程学院	28	84	5.0	8.0
2	何冰倩	成都信息工程大学计算机学院	7	15	2.0	3.0
3	张斌	成都信息工程大学计算机学院	10	8	2.0	2.0
4	高联欣	成都信息工程大学计算机学院	4	4	2.0	2.0
5	宋岩贝	成都信息工程大学计算机学院	4	4	2.0	2.0