基于3D双流卷积神经网络和GRU网络的人体行为识别

• 作者: 周志全 来兴雪 池亚平 秦晓宏 陈颖
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 人体行为识别 3D卷积神经网络 双流卷积神经网络 门控循环单元
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 164-168,218
• 页数: 6页
• 分类号: TP3
• 字数: 3350字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.05.029

摘要

针对基于双流卷积神经网络的人体行为识别准确率不高,不能充分利用时间维度的信息问题,提出一种基于3D双流卷积和门控循环单元(GRU)网络的人体行为识别模型.将3D卷积神经网络引入到双流卷积神经网络中,在双流卷积神经网络的空间流和时间流中分别使用3D卷积神经网络提取视频的时空信息;融合3D双流卷积神经网络提取到的时空特征,形成有时间顺序的时空特征流;将时空特征流输入到具有记忆信息能力的GRU网络中递归学习时间维度的长时序列特征并利用线性SVM分类器进行人体行为识别.在行为识别数据集UCF101上的实验结果表明,该模型充分地利用了视频的时间维度信息,识别率为92.2％,优于其他人体行为识别算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	池亚平	西安电子科技大学计算机科学与技术学院	62	364	10.0	16.0
3	陈颖	西安电子科技大学计算机科学与技术学院	5	15	2.0	3.0
7	秦晓宏		5	1	1.0	1.0
10	来兴雪	西安电子科技大学计算机科学与技术学院	1	0	0.0	0.0
11	周志全		4	10	1.0	3.0