基于改进ResNet-18的红外图像人体行为识别方法研究

摘要：

人体行为识别在安全监护、安防监控、智能家居等诸多领域具有重要的研究意义和广泛的应用价值.由于红外信息具有受光照影响小、保护隐私等特性,因此基于红外信息的人体行为识别方法备受国内外学者关注.本文对包含7种行为类别的红外信息进行连续帧拼接处理,构建红外图像数据集.传统的ResNet-18网络性能较为优异,在可见光图像识别上一直表现良好,但在红外图像识别中效果欠佳.本文根据红外图像特性,对其进行相应改进:首先,构建多分支同构结构,替换7×7卷积,增强网络的表达能力;其次,结合最大池化与平均池化,避免丢失有用信息;最后,引入非对称卷积块构成多重残差结构,并与改进CBAM模块结合对残差块进行优化,从而增加网络多样性,提升网络的特征提取能力.实验结果表明,改进ResNet-18网络识别率达到99.96％,不但高于传统的ResNet-18网络,而且明显优于基于红外图像的其他网络.

关键词：人体行为识别;改进ResNe-18网络;红外图像;多重残差结构;改进CBAM模块

所属期刊栏目：51

分类号：TP391.4;TN219(计算技术、计算机技术)

资助基金：国家自然科学基金项目;江西省自然科学基金项目;南昌航空大学研究生创新专项基金项目

在线出版日期：2021-11-08（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：1178-1184