基于深度学习的自动扶梯视频人体动作识别

在自动扶梯场景下的视频人体动作识别中,视频数据源不稳定,如遮挡、多视角、光照、低分辨率、动态背景以及背景混乱等均导致动作分类及检测不准确。针对这些问题,提出使用基于改进的SlowFast网络的人体动作识别方法,以更好地捕获视频连续帧中隐藏的时间和空间信息。通过与R(2+1)D卷积网络模型的识别准确率进行对比,改进的SlowFast网络模型在视频中的动作分类和检测方面都表现了很好的性能,能够有效地解决自动扶梯场景下的人体动作识别问题。