3D CNN人体动作识别中的特征组合优选

• 作者: 郭志涛 曹小青 王宝珠 高妍
• 来源期刊: 河北工业大学学报
• 关键词: 深度学习 人体动作识别 三维卷积神经网络 BN算法 dropout技术 空间金字塔池化
• 年，卷（期）: 2021,（1）
• 页码范围: 44-50
• 页数: 7页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.14081/j.cnki.hgdxb.2021.01.006

摘要

为了提高人体动作识别准确率,改进原有3D CNN网络模型以获得更为丰富细致的人体动作特征,并通过对比实验为模型输入优选出识别效果最好的特征组合.该模型主要包括5个卷积层、3个下采样层和2个全连接层,二次卷积操作有利于提取到更为细致的特征,BN算法和dropout层用以防止模型过拟合,空间金字塔池化技术可以使网络能够处理任何分辨率的图像,提高模型适用性.通过在KTH和UCF101数据集上做识别测试实验,特征组合"ViBe二值图+光流图+三帧差分图"作为模型输入可以得到较高的识别准确率,尤其针对背景较复杂、动作类别多且差异性较小的数据集提高明显,具有较好的实际应用价值.