3D CNN人体动作识别中的特征组合优选

摘要：

为了提高人体动作识别准确率,改进原有3D CNN网络模型以获得更为丰富细致的人体动作特征,并通过对比实验为模型输入优选出识别效果最好的特征组合.该模型主要包括5个卷积层、3个下采样层和2个全连接层,二次卷积操作有利于提取到更为细致的特征,BN算法和dropout层用以防止模型过拟合,空间金字塔池化技术可以使网络能够处理任何分辨率的图像,提高模型适用性.通过在KTH和UCF101数据集上做识别测试实验,特征组合"ViBe二值图+光流图+三帧差分图"作为模型输入可以得到较高的识别准确率,尤其针对背景较复杂、动作类别多且差异性较小的数据集提高明显,具有较好的实际应用价值.

关键词：深度学习、人体动作识别、三维卷积神经网络、BN算法、dropout技术、空间金字塔池化

所属期刊栏目：50

分类号：TP391.41(计算技术、计算机技术)

资助基金：天津市科技特派员项目16JCTPJC50200

在线出版日期：2021-03-26（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：44-50