基于膨胀卷积神经网络的人体动作识别研究

针对传统的人体动作识别方法需要人工选取特征且需要选择一个合适的分类器,分类效果不好且缺少实时性的问题,研究了基于膨胀卷积神经网络的人体动作识别方法,提高了识别效率和识别准确率。膨胀卷积神经网络将3D卷积神经网络、双流网络、迁移学习的优势聚合,采用GoogleNet网络结构,其中的Inception-v1模型是从Kinetics数据集上经过预训练后再迁移到UCF101数据集上的,同时也采用视频单帧图像和堆叠的光流图像进行双流训练,这种算法识别效果提升明显,最终的平均准确率达到了97.09%。