基于关键帧时空降维的人体行为识别

针对行为识别中出现大量对模型训练识别作用有限且消耗资源的行为序列冗余帧问题,提出了一种基于关键帧时空降维的混合神经网络人体行为识别方法,旨在融合多种深度神经网络。通过对输入连续行为序列根据前后帧动作的动能变化在冗余序列帧中提取具有识别信息关键帧的思想,来实现输入数据深度特征的时空降维,从而达到提高模型的识别效率和资源消耗降低的目的,为在计算资源有限的设备上实现时效高、稳定性强的行为识别模型提供有益的参考。