基于深度学习的时空特征融合人体动作识别

• 作者: 孙宪坤 王倩 范冬艳
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 深度学习 动作识别 稀疏采样 时空特征融合 C3D卷积神经网络(CNN)
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 研究与探讨
• 页码范围: 35-38
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2020)10-0035-04

摘要

深度学习需要充分利用视频中动作的时空信息来进行动作识别.为了充分利用视频中的时空特征来提高动作识别的准确率,并以较低的成本保存相关信息,提出一种采用稀疏采样方案的时空特征融合动作识别框架.采用稀疏采样获得视频的RGB图和光流图,分别送入VGG-16网络提取视频的时空特征;融合时空卷积神经网络(CNN)提取中层时空融合特征;将中层时空融合特征送入C3D CNN识别出动作的类别.在HMDB51和UCF101两个数据集的实验结果表明:该框架能够充分利用视频的时间信息和空间信息,达到了较高的动作识别准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙宪坤		26	47	4.0	6.0
2	范冬艳		4	0	0.0	0.0
3	王倩		8	0	0.0	0.0