基于3D卷积的红外视频人体行为识别

Human behavior recognition in infrared video based on 3D Convolution

为了解决家庭看护的隐私问题以及时效性,设计了一种在被动红外的家庭看护场景的3D卷积神经网络Care3DNet。Care3DNet是一种基于C3D的改进算法,将前3层卷积层进行卷积分解,分解为深度卷积层与点卷积层的组合方式;再加一层卷积层并引入快捷连接来加强网络中特征信息流的传递。为了验证Care3DNet的实际行为识别效果,在行为数据集进行测试与评估,Care3DNet的TOP-1正确率可达到93.8%,相比原C3D算法提高了6.7%。并与其他经典行为识别网络进行混合动作实验对比,结果表明使用该方法在被动红外的家庭看护场景中的行为识别能够达到更为准确的效果,具有更优良的市场应用前景。