融合双流残差网络和注意力机制的群体行为识别方法
文章为实现复杂场景下群体行为的自动分析与识别,方便城市安全管理,建立融合双流3D残差网络和时空注意力机制的群体行为识别模型.首先,提取群体场景的静态可视特征及动态光流特征作为模型输入,构建融合时空注意力的双流3D残差网络提取群体场景的深度特征,通过对深度可视特征及运动特征的多次融合实现群体行为识别.然后,基于真实群体视频数据集CUHK开展实验,验证模型的合理性,并对比分析该模型与多种已有模型的行为识别结果.结果表明:融合双流3D残差网络和时空注意力机制的群体行为识别模型具有可靠的群体行为识别能力,与其他深度神经网络模型相比,该模型具有更高的准确率和更优的混淆矩阵.
群体行为识别、残差神经网络、注意力机制
18
TP18(自动化基础理论)
湖南省哲学社会科学基金项目;湖南省教育厅科学研究项目;湖南省自然科学基金面上项目;湖南省大学生创新创业训练计划项目
2022-12-08（万方平台首次上网日期，不代表论文的发表时间）
共4页
1-3,6
