基于双流网络与支持向量机融合的人体行为识别

• 作者: 童安炀 唐超 王文剑
• 来源期刊: 模式识别与人工智能
• 关键词: 双流网络 支持向量机 特征融合 光流
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: "深度学习算法及在图像与视觉的应用"专题|Deep Learning Algorithms and the Applications in Image and Vision
• 页码范围: 863-870
• 页数: 8页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.16451/j.cnki.issn1003-6059.202109009

摘要

传统的双流卷积神经网络存在难以理解长动作信息的问题,并且当长时间流信息损失时,模型泛化能力降低.针对此问题,文中提出基于双流网络与支持向量机融合的人体行为识别方法.首先,提取视频中每帧RGB图像及其对应垂直方向的稠密光流序列图,得到视频中动作的空间信息和时间信息,分别输入空间域和时间域网络进行预训练,预训练完成后进行特征提取.然后,针对双流网络提取的维度相同的特征向量执行并联融合策略,提高特征向量的表征能力.最后,将融合后的特征向量输入线性支持向量机中进行训练及分类处理.在KTH、UCF sports数据集上的实验表明文中方法具有较好的分类效果.