基于双向门控循环单元的3D人体运动预测
在机器视觉领域,预测人体运动对于及时的人机交互及人员跟踪等是非常有必要的.为了改善人机交互及人员跟踪等的性能,该文提出一种基于双向门控循环单元(GRU)的编-解码器模型(EBiGRU-D)来学习3D人体运动并给出一段时间内的运动预测.EBiGRU-D是一种深递归神经网络(RNN),其中编码器是一个双向GRU(BiGRU)单元,解码器是一个单向GRU单元.BiGRU使原始数据从正反两个方向同时输入并进行编码,编成一个状态向量然后送入解码器进行解码.BiGRU将当前的输出与前后时刻的状态关联起来,使输出充分考虑了前后时刻的特征,从而使预测更加准确.在human3.6m数据集上的实验表明EBiGRU-D不仅极大地改善了3D人体运动预测的误差还大大地增加了准确预测的时间.
人体运动预测、3D动作识别、递归神经网络、深度学习
41
TP181(自动化基础理论)
国家自然科学基金61773105;辽宁省自然科学基金20170540675;辽宁省教育厅科研项目LQGD2017023
2019-09-23(万方平台首次上网日期,不代表论文的发表时间)
共8页
2256-2263