摘要
针对视频序列中人体动作类内差异大、类间差异小、识别准确率不高的问题,本文提出了一种基于时空双流融合网络与加性余量Softmax(AM-Softmax)的人体动作识别模型.该模型首先以双流融合卷积神经网络分别提取视频序列中的空间流表观特征和时间流运动特征,且在卷积层以单向时空连接方式进行时空特征关联性学习;然后融合双流卷积结构提取的全连接层时空特征;最后利用AM-Softmax对各类动作的时空融合特征进行深度验证,从而实现人体动作的分类和识别.在人体动作数据集KTH上的实验结果表明,该模型能够很好地最大化类间距离、最小化类内距离,且识别准确率可达97.5%,具有很好的识别效果.
出处
《网络安全技术与应用》
2019年第11期47-50,共4页
Network Security Technology & Application
基金
国家自然科学基金(61171058)。
