基于深度学习的人体行为识别研究①

• 作者: 杨冬冬 段思雨 贺海龙 赵新秋
• 来源期刊: 高技术通讯
• 关键词: 人体行为识别 卷积神经网络(CNN) 运动前景检测 连续帧组合
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 计算机与通信技术
• 页码范围: 471-479
• 页数: 9页
• 字数: 5135字
• 语种: 中文
• DOI: 10.3772/j.issn.1002-0470.2020.05.005

摘要

为解决传统人体行为识别算法存在的运动前景检测不准确、特征提取模糊以及训练识别耗时长等问题,本文提出了基于深度学习的人体行为识别研究方法.利用骨架提取方法对运动前景进行检测及特征提取;针对人体行为动作的时序性,提出了连续帧组合方法;在模型训练环节,对比了不同的网络模型参数,选择了最优的激活函数、优化算法以及dropout系数.最后,结合网络模型,分类识别测试样本集中的各种行为,并将识别的结果和当前流行的算法进行比较,通过对比实验,最终实验结果证明了本文所提方法优于其他方法,平均识别率相比其他方法有较大的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵新秋	燕山大学工业计算机控制工程河北省重点实验室	33	131	6.0	9.0
2	段思雨	燕山大学工业计算机控制工程河北省重点实验室	3	6	1.0	2.0
3	贺海龙	燕山大学工业计算机控制工程河北省重点实验室	3	10	2.0	3.0
4	杨冬冬	燕山大学工业计算机控制工程河北省重点实验室	5	46	3.0	5.0