基于深度卷积神经网络和深度视频的人体行为识别

摘要：

传统人体行为识别基于人工设计特征方法涉及的环节多,具有时间开销大,算法难以整体调优的缺点.以深度视频为研究对象,构建了3维卷积深度神经网络自动学习人体行为的时空特征,使用Softmax分类器进行人体行为的分类识别.实验结果表明,提出的方法能够有效提取人体行为的潜在特征,不但在MSR-Action3D数据集上能够获得与当前最好方法一致的识别效果,在UTKinect-Action3D数据集也能够获得与基准项目相当的识别效果.本方法的优势是不需要人工提取特征,特征提取和分类识别构成一个端到端的完整闭环系统,方法更加简单.同时,研究方法也验证了深度卷积神经网络模型具有良好的泛化性能,使用MSR-Action3D数据集训练的模型直接应用于UTKinect-Action3D数据集上行为的分类识别,同样获得了良好的识别效果.

关键词：深度学习、人体行为识别、深度卷积神经网络、深度视频、3维卷积

所属期刊栏目：40

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金-青年科学基金资助项目61502065;重庆市教委科学技术研究资助项目KJ1600937,KJ1500922,KJ1501504.Supported by National Natural Science Foundation of China for Young Scientists61502065;Scientific and Technological Research Program of Chongqing Municipal Education CommissionKJ1600937,KJ1500922,KJ1501504

在线出版日期：2017-12-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：99-106