基于自动编码器和神经网络的人体运动识别
当前传统的人体运动识别是基于卷积神经网络(CNN)的方法,但存在原始数据维数高,利用CPU训练时间长及硬件要求高的缺点.针对以上问题,提出一种由自动编码器与模式识别神经网络(PRNN)组成的识别人体运动的深度神经网络模型.算法分为系统学习阶段和动作识别阶段.在系统学习阶段,首先得到每帧的人体轮廓,构建二进制重叠图像作为训练数据,并训练一个自动编码器来提取动作特征;其次,利用所得到的特征通过监督学习训练PRNN;最后建立新的深度神经网络,通过微调获得最佳性能.在动作识别阶段,人体的运动行为序列首先被翻译成二进制重叠图像,然后使用APRNN进行识别.测试结果表明,这种方法具有很好的性能.
动作识别、自动编码器、模式识别神经网络、深度神经网络、二进制重叠图像
37
TN911.73
国家自然科学基金项目60972095,61271362,61671362;陕西省自然科学基金项目2017JM6041
2019-06-05(万方平台首次上网日期,不代表论文的发表时间)
共7页
78-84