-
题名基于深度学习的人体行为识别研究
被引量:6
- 1
-
-
作者
赵新秋
杨冬冬
贺海龙
段思雨
-
机构
燕山大学工业计算机控制工程河北省重点实验室
-
出处
《高技术通讯》
EI
CAS
北大核心
2020年第5期471-479,共9页
-
基金
河北省自然科学基金(F2016203249)资助项目。
-
文摘
为解决传统人体行为识别算法存在的运动前景检测不准确、特征提取模糊以及训练识别耗时长等问题,本文提出了基于深度学习的人体行为识别研究方法。利用骨架提取方法对运动前景进行检测及特征提取;针对人体行为动作的时序性,提出了连续帧组合方法;在模型训练环节,对比了不同的网络模型参数,选择了最优的激活函数、优化算法以及dropout系数。最后,结合网络模型,分类识别测试样本集中的各种行为,并将识别的结果和当前流行的算法进行比较,通过对比实验,最终实验结果证明了本文所提方法优于其他方法,平均识别率相比其他方法有较大的提高。
-
关键词
人体行为识别
卷积神经网络(CNN)
运动前景检测
连续帧组合
-
Keywords
human behavior recognition
convolutional neural network(CNN)
motion foreground detection
continuous frame combination
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-