基于深度学习的人体行为识别算法

摘要：

为改善人体行为识别任务中准确率低的问题,提出了一种基于批归一化的卷积神经网络(CNN)与长短期记忆(LSTM)神经网络结合的神经网络.CNN部分引入批归一化思想,将输入网络的训练样本进行小批量归一化处理,经过全连接之后,送入长短期记忆神经网络中.该算法采用时空双流网络模型结构,视频数据的RGB图像作为空间流网络输入,光流场图像作为时间流网络输入,再将时空双流网络各自得到的识别结果进行加权融合得到最终的行为识别结果.实验结果表明,本文设计的时空双流神经网络算法在人体行为识别任务上具有较高的识别准确率.

关键词：行为识别、批归一化、长短期记忆神经网络、深度学习

所属期刊栏目：44

分类号：TP183(自动化基础理论)

资助基金：江西省教育厅科技项目GJJ150683;江西理工大学校级重点课题NSFJ2014-K18

在线出版日期：2018-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1-5,10