-
题名动态时间规整算法优化
被引量:6
- 1
-
-
作者
叶科淮
陈志
王仁杰
史佳成
胡宸
-
机构
南京邮电大学计算机学院、软件学院、网络空间安全学院
南京邮电大学通信与信息工程学院
-
出处
《软件导刊》
2021年第1期132-135,共4页
-
基金
江苏省重点研发计划(社会发展)项目(BE2016778,BE2019739)
南京邮电大学科研项目(NY217054)
江苏省大学生创新创业训练计划项目(201910293019Z,SZDG2019019)。
-
文摘
为了解决动态时间规整算法在时间序列长度较长、两段时间序列长度相当时计算效率较低等问题,对动态时间规整增加约束条件,并从压缩时间序列、优化全局约束及修改约束条件等方面进行改进。通过实验,将算法应用于较长的时间序列中。实验结果表明,两段时间序列长度越接近,动态时间规整的时间复杂度越趋于线性,在完全相等时,时间复杂度从传统算法的O(nm)优化至O(n),优化效率最高可达到99%。修改约束条件后的动态规整算法可识别实验中所有经过慢放处理的时间序列。经过优化的动态时间规整算法可在一定条件下提高效率,并且能快速识别相同的时间序列。
-
关键词
动态时间规整
动态规划
语音识别
手势识别
数据挖掘
-
Keywords
dynamic time warping
dynamic programming
voice recognition
gesture recognition
data mining
-
分类号
TP312
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于长效递归深度卷积网络的实时人物动作识别
被引量:2
- 2
-
-
作者
史佳成
陈志
胡宸
王仁杰
叶科淮
-
机构
南京邮电大学计算机学院
南京邮电大学通信与信息工程学院
-
出处
《软件导刊》
2021年第2期49-53,共5页
-
基金
江苏省重点研发计划(社会发展)项目(BE2016778,BE2019739)
南京邮电大学科研项目(NY217054)
江苏省大学生创新创业训练计划项目(201910293019Z,SZDG2019019)。
-
文摘
为高准确度识别实时人物动作模式,对长效递归卷积网络(LRCN)进行改进,得到长效递归深度卷积网络(LRDCN)。LRDCN使用多帧叠加的RGB图像与光流图像作为网络输入,将基于RGB图像的人体动作特征与基于光流图像的人体动作特征进行加权融合,结合卷积神经网络(CNN)对Two-stream算法进行扩展作为最终的人体动作特征,传入长效递归深度卷积网络进行序列学习,得出实时动作序列。在UCF-101和Weizman数据集上训练LRDCN,分别测试单一动作识别准确度与动作序列检测精确度。实验结果表明,神经网络层数增加不会引起梯度爆炸问题,单一动作识别准确率达到91.2%,动作序列识别准确率达到93.8%。LRDCN不仅能精确识别单个动作及动作序列,并且对长视频序列有较高的适应性。
-
关键词
人物动作识别
深度学习
特征提取
动作分类
序列学习
-
Keywords
human action recognition
deep learning
feature detection
action classification
sequence learning
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-