基于特征融合双流网络的人体行为识别

• 作者: 吕亚兰 安建伟
• 来源期刊: 电子测量技术
• 关键词: 特征融合 双流卷积网络 行为识别 长短时记忆网络
• 年，卷（期）: 2020,（20）
• 所属期刊栏目: 信息技术及图像处理|Information Technology and Image Processing
• 页码范围: 121-126
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2004565

摘要

人体行为识别由于行为的多样性和运动背景的复杂性等因素,具有很大的识别难度.为了充分利用视频序列中时空特征的多尺度信息,提高行为识别率,提出一种改进的双流卷积网络.以ResNet作为特征提取网络,并融合不同网络层次的特征,然后输入到长短时记忆网络中;最后将时间网络和空间网络的预测结果加权融合,从而实现行为识别.在公开数据集HMDB51上实验,时间网络和空间网络的识别率较原始双流网络均有2％以上的提高,整体的识别准确率可达67.2％,表明该方法能够有效提取视频序列中的时空信息,具有较好的识别效果.