摘要
本文为了进一步提高复杂背景环境下人体行为识别的准确率,提出了一种融合YOLO和时间差分网络(Temporal Difference Network,TDN)的人体行为识别方法。首先,利用YOLO目标检测算法,对视频图像中的人体进行目标检测,获取目标识别区域后去除掉与人体行为无关的噪声背景区域;然后将经过YOLO目标检测的视频图像输入到TDN中进行训练后对视频图像中的人体行为进行识别。实验结果表明,与TDN算法相比,本文提出融合YOLO和TDN的人体行为识别方法在在公开数据集HMDB51上的Top1、Top5准确率分别提高了12%、16%,在环境复杂的公开数据集中取得了较好的结果。本文研究结果预期可为人体行为识别方法的改进提供思路。
出处
《电子技术与软件工程》
2022年第3期150-153,共4页
ELECTRONIC TECHNOLOGY & SOFTWARE ENGINEERING
基金
中国人民公安大学公共安全行为科学实验室开放课题(2021SYS03)
中国人民公安大学新型犯罪研究专项(2021XXFZ010)
上海市现场物证重点实验室开放课题基金(2020XCWZK05)。