基于改进空时双流网络的红外行人动作识别研究

• 作者: 蒋一 侯丽萍 张强
• 来源期刊: 红外技术
• 关键词: 双流网络 红外序列 动作识别 光流图像 差分网络 深度学习 空时特征
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 图像处理与仿真|IMAGE PROCESSING AND SIMULATION
• 页码范围: 852-860
• 页数: 9页
• 分类号: TP391.4
• 语种: 中文

摘要

为了提升复杂背景下红外序列的行人动作识别精度,本文提出了一种改进的空时双流网络,该网络首先采用深度差分网络代替时间信息网络,提高时空特征的表征能力与提取效率;然后,采用基于决策级特征融合机制的代价函数对模型进行训练,可以更大限度地保留不同网络帧间图像的时空特征,更加真实地反映行人的动作类别.仿真结果表明,本文提出的改进网络在自建的红外视频数据集上获得了81％的识别精度,且计算效率也提升了25％,具有较高的工程应用价值.