一种基于2D时空信息提取的行为识别算法

• 作者: 刘董经典 孟雪纯 张紫欣 杨旭 牛强
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 行为识别 视频分析 神经网络 深度学习 卷积神经网络 分类 时空特征提取 密集连接卷积网络
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 机器学习
• 页码范围: 900-909
• 页数: 10页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.11992/tis.201906054

摘要

基于计算机视觉的人体行为识别技术是当前的研究热点,其在行为检测、视频监控等领域都有着广泛的应用价值.传统的行为识别方法,计算比较繁琐,时效性不高.深度学习的发展极大提高了行为识别算法准确性,但是此类方法和图像处理领域相比,效果上存在一定的差距.设计了一种基于DenseNet的新颖的行为识别算法,该算法以DenseNet做为网络的架构,通过2D卷积操作进行时空信息的学习,在视频中选取用于表征行为的帧,并将这些帧按时空次序组织到RGB空间上,传入网络中进行训练.在UCF101数据集上进行了大量实验,实验准确率可以达到94.46％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨旭		13	126	4.0	11.0
2	牛强		57	459	11.0	19.0
3	刘董经典		2	0	0.0	0.0
4	孟雪纯		1	0	0.0	0.0
5	张紫欣		1	0	0.0	0.0