基于场景-部件的人体行为识别方法

• 作者: 周书仁 李俊国 蔡碧野
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 卷积神经网络 行为识别 场景 部件
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 104-108,114
• 页数: 6页
• 分类号: TP391
• 字数: 3872字
• 语种: 中文
• DOI: 10.19708/j.ckjs.2020.02.018

摘要

基于部件的行为识别方法给图像行为识别领域提供了一种新的思路,即将人体行为识别看成是一种人体各个部件行为的组合.但是这种方法完全忽视了除人以外的任何东西,导致了某些姿态过于相似的行为无法区分.针对这一不足,在基于部件(Part-based)的行为识别方法基础上,提出了基于场景-部件(Scene-Part based)的行为识别方法.实验过程中利用卷积神经网络将部件和场景的外观特征转换为行为特征,并通过全连接层将所有特征连接,进行人体行为类别的最终判定.在Standford40和PASCAL VOC2012两种行为识别数据集上的实验结果表明,相对于基于部件的行为识别方法而言,基于场景-部件的行为识别方法能更好地区分相似行为,从而进一步提高行为识别的准确率,提升精度约为1％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周书仁	长沙理工大学综合交通运输大数据智能处理湖南省重点实验室	41	325	11.0	15.0
5	蔡碧野	长沙理工大学综合交通运输大数据智能处理湖南省重点实验室	18	66	6.0	7.0
9	李俊国	长沙理工大学综合交通运输大数据智能处理湖南省重点实验室	1	0	0.0	0.0