时空特征融合深度学习网络人体行为识别方法

摘要：

基于自然场景图像的人体行为识别方法中遮挡、背景干扰、光照不均匀等因素影响识别结果,利用人体三维骨架序列的行为识别方法可以克服上述缺点.首先,考虑人体行为的时空特性,提出一种时空特征融合深度学习网络人体骨架行为识别方法;其次,根据骨架几何特征建立视角不变性特征表示,CNN(Convolutional Neural Network)网络学习骨架的局部空域特征,作用于空域的LSTM (Long Short Term Memory)网络学习骨架空域节点之间的相关性特征,作用于时域的LSTM网络学习骨架序列时空关联性特征;最后,利用NTU RGB+D数据库验证文中算法.实验结果表明:算法识别精度有所提高,对于多视角骨架具有较强的鲁棒性.

关键词：时空特征、融合、骨架、视角不变

所属期刊栏目：47

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金61401455

在线出版日期：2018-03-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：46-51