构建多尺度深度卷积神经网络行为识别模型

摘要：

为了减化传统人体行为识别方法中的特征提取过程,提高所提取特征的泛化性能,本文提出了一种基于深度卷积神经网络和多尺度信息的人体行为识别方法.该方法以深度视频为研究对象,通过构建基于卷积神经网络的深度结构,并融合粗粒度的全局行为模式与细粒度的局部手部动作等多尺度信息来研究人体行为的识别.MSRDailyActivity3D数据集上的实验得出该数据集上第11～16种行为的平均识别准确率为98％,所有行为的平均识别准确率为60.625％.结果表明,本方法能对人体行为进行有效识别,基本能准确识别运动较为明显的人体行为,对仅有手部局部运动的行为的识别准确率有所下降.

关键词：卷积神经网络、深度学习、人体行为识别、计算机视觉、多尺度

所属期刊栏目：25

分类号：TP394.1;TH691.9(计算技术、计算机技术)

资助基金：重庆市教委科学技术研究基金资助项目KJ1400926;广西自然科学基金重点项目2014GXNSFDA118037

在线出版日期：2017-04-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：799-805