首页|基于长效递归深度卷积网络的实时人物动作识别

基于长效递归深度卷积网络的实时人物动作识别

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
为高准确度识别实时人物动作模式,对长效递归卷积网络(LRCN)进行改进,得到长效递归深度卷积网络(LRDCN).LRDCN使用多帧叠加的RGB图像与光流图像作为网络输入,将基于RGB图像的人体动作特征与基于光流图像的人体动作特征进行加权融合,结合卷积神经网络(CNN)对Two-stream算法进行扩展作为最终的人体动作特征,传入长效递归深度卷积网络进行序列学习,得出实时动作序列.在UCF-101和Weizman数据集上训练LRDCN,分别测试单一动作识别准确度与动作序列检测精确度.实验结果表明,神经网络层数增加不会引起梯度爆炸问题,单一动作识别准确率达到91.2％,动作序列识别准确率达到93.8％.LRDCN不仅能精确识别单个动作及动作序列,并且对长视频序列有较高的适应性.
Real-time Human Action Recognition Based on Long-term Recurrent Deep Convolutional Networks

史佳成、陈志、胡宸、王仁杰、叶科淮

展开 >

南京邮电大学计算机学院,江苏南京210023

南京邮电大学通信与信息工程学院,江苏南京210003

人物动作识别 深度学习 特征提取 动作分类 序列学习

江苏省重点研发计划(社会发展)项目江苏省重点研发计划(社会发展)项目南京邮电大学科研项目江苏省大学生创新创业训练计划项目江苏省大学生创新创业训练计划项目

BE2016778BE2019739NY217054201910293019ZSZDG2019019

2021

10.11907/rjdk.201520

软件导刊
湖北省信息学会

软件导刊

影响因子：0.524
ISSN：1672-7800
年,卷(期)：2021.20(2)
  • 1
  • 3