基于改进GoogLeNet网络的时空双流乒乓球动作识别

针对乒乓球运动视频中人体动作具有连续性,需要有效地提取时间维度上的运动信息,提出了基于改进的GoogLeNet作为基础网络框架,搭建了时空双流卷积神经网络进行乒乓球动作识别。对GoogLeNet网络进行内部参数优化和网络结构改进。该方法以RGB图像作为空间网络的输入,光流图作为时间网络输入,选择加权的特征融合方式在分类层进行时空特征融合。在UCF101中的乒乓球动作视频以及自制数据集上进行实验,通过实验表明,本文提出的乒乓球动作识别方法最终识别准确率可以达到98.88%,该方法提高模型的训练速度同时提高了模型的识别能力的。