基于可变形卷积神经网络的人体动作识别

• 作者: 王雪娇 智敏
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 人体动作识别 可变形卷积 可变形感兴趣池化 可变形部件模型算法 卷积神经网络 分支定界算法
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 图形与图像
• 页码范围: 105-111
• 页数: 7页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2021.01.013

摘要

针对复杂场景中人体动作识别准确率不高的问题,构建了一种基于可变形卷积网络(DCN)与可变形部件模型(DPM)融合改进的人体动作识别系统.首先将DPM的部件滤波器由5个增加到8个,并结合分支定界算法共同将准确率提高约11个百分点,速度提高3倍左右;其次利用DCN根据人体动作进行感兴趣点采样;然后将改进的DPM与DCN在可变形池化前进行融合;最后通过全连接层对输入数据进行动作的识别.实验结果表明,此系统能够在人体动作数据集上更快、更准确地得到识别结果.