-
题名基于DenseNet和深度运动图的行为识别算法
被引量:1
- 1
-
-
作者
张健
张永辉
何京璇
-
机构
海南大学
-
出处
《信息技术与网络安全》
2020年第1期63-69,共7页
-
基金
海南省自然科学基金资助项目(618MS027)。
-
文摘
结合深度信息以及RGB视频序列中丰富的纹理信息,提出了一种基于DenseNet和深度运动图像的人体行为识别算法。该算法基于DenseNet网络结构,首先获取彩色纹理信息和光流信息,然后从同步的深度视频序列获取深度信息,以增强特征互补性;再将空间流、时间流和深度流三种特征信息分别作为网络的输入;最后通过LSTMs进行特征融合和行为分类。实验结果表明,在公开的动作识别库UTD-MHAD数据集上,该算法识别准确率为92.11%,与该领域中的同类算法相比表现优异。
-
关键词
行为识别
深度运动图像
DenseNet
光流
-
Keywords
action recognition
depth motion maps
DenseNet
optical flow
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于光流和深度运动图的行为识别算法
被引量:1
- 2
-
-
作者
季雄武
张永辉
张健
-
机构
海南大学信息与通信工程学院
-
出处
《海南大学学报(自然科学版)》
CAS
2020年第2期116-123,共8页
-
基金
海南省重点研发计划项目(ZDYF2019024)
海南省自然科学基金(618MS027)。
-
文摘
为了融合不易受光照等环境因素影响的深度信息和RGB视频序列中丰富的纹理信息,提出一种基于光流和深度运动图(Depth Motion Map,DMM)的人体行为识别算法.首先从RGB视频序列获取彩色信息(RGB视频帧)和光流信息,并且从同步的深度视频序列获取深度信息,以增强特征互补性,其次把3种特征信息分别作为基于ResNet101的空间流网络、时间流网络和深度流网络的输入,通过LSTMs进行特征融合,最后将特征送入Softmax层得到每个行为类别的概率值.实验结果表明,在具有挑战性的UTD-MHAD数据集和MSR Daily Activity 3D数据集上的行为识别准确率分别为94.86%和97.69%,在与该领域中的同类算法比较中表现优异.
-
关键词
人体行为识别
光流
RGB
深度运动图像
ResNet101
LSTMs
-
Keywords
human action recognition
optical flow
RGB
depth motion map
ResNet101
LSTMs
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度图像的人体行为识别
被引量:2
- 3
-
-
作者
唐超
张苗辉
李伟
曹峰
王晓峰
童晓红
-
机构
合肥学院计算机科学与技术系
江西省科学院能源研究所
厦门理工学院计算机与信息工程学院
山西大学计算机与信息技术学院
合肥职业技术学院信息中心
-
出处
《系统仿真学报》
CAS
CSCD
北大核心
2018年第5期1641-1649,共9页
-
基金
国家自然科学基金(61672204
41401521
+6 种基金
61602220)
合肥学院人才科研基金(15RC07)
安徽高校优秀拔尖人才培育资金(gxfx2017099)
山西省青年科技研究基金(2015021101)
福建省自然科学基金(2016J01325
2015J05015)
江西省自然科学基金(20161BAB21057)
-
文摘
由于人体动作的复杂性和非刚性特点,传统的基于RGB视频数据的人体行为识别是一个非常具有挑战性的研究课题。针对现有基于RGB视频数据识别方法的不足,提出了一种基于深度图像数据的人体行为识别方法,该方法将深度差值运动历史图像中分块均值特征与Gabor特征进行融合,采用泛化能力较好的旋转森林算法进行建模。在DHA深度数据集上实验结果表明,相比其它监督行为识别分类算法,基于深度图像的方法具有简单、快速,高效的特点。
-
关键词
人体行为识别
深度图像
深度差值运动历史图像
GABOR特征
旋转森林
-
Keywords
human action recognition
depth image
depth difference motion historical image
Gabor feature
rotation forest
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-