跌倒异常行为的双重残差网络识别方法

• 作者: 彭力 王新文 谢林柏
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 跌倒识别 残差网络 梯度消失 行为识别
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 人工智能
• 页码范围: 1580-1589
• 页数: 10页
• 分类号: TP391.4
• 字数: 6960字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1906054

摘要

在异常行为监控中,由于监控视角、人体姿态和场景等复杂的情况,直接通过增加3D卷积神经网络层数来提取有效的视觉特征,容易导致卷积模型发生梯度消失和过拟合,从而降低了行为识别率.针对上述问题,提出了一种基于双重残差卷积网络的跌倒识别方法,通过在残差网络中嵌套残差网络,充分融合了浅层和深层视觉特征,缓解了模型训练时梯度消失问题带来的影响,从而使模型性能得到了提升.最后采用5折交叉验证方法在多相机跌倒数据集(MCFD)和热舒夫大学跌倒数据集(URFD)上进行了测试评估,结果表明双重残差网络性能优于三维卷积网络(C3D)、三维残差网络(3D-Resnet)、伪三维残差网络(P3D)和2+1维残差网络(R(2+1)D)识别方法,从而验证了双重残差网络模型对提高异常行为识别效果的有效性.