基于深度学习的人体动作识别

• 作者: 戴兆乐 王康 李圣龙
• 来源期刊: 指挥信息系统与技术
• 关键词: 动作识别 深度学习 卷积神经网络(CNN) 双通道网络 时间段网络
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 实践与应用|Practice & Application
• 页码范围: 70-74
• 页数: 5页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.15908/j.cnki.cist.2021.04.012

摘要

人体动作识别是当前视频处理领域研究热点,鉴于双通道网络无法对视频的长范围时间结构建模,故采取时间段卷积神经网络(CNN)结构对其进行了改进,提出了基于时间段的双通道CNN算法.首先,采用时间段网络对整个视频进行稀疏采样,并对序列中的每个片段生成动作类别预测;然后,在时间通道和空间通道上分别融合来自所有片段的预测,以生成最终分类;最后,在复杂数据集UCF101和HMDB51上进行了验证.试验结果表明,相对于3D卷积(C3D)和时间通道网络等算法,该算法具有较高的识别正确率和鲁棒性.