基于3D卷积神经网络的人体动作识别算法

摘要：

由于人体动作的多样性、场景嘈杂、摄像机运动视角多变等特性,导致人体动作识别的难度增加.为此,基于3D卷积神经网络,提出一种新的人体动作识别算法.以连续的16帧视频为一组输入,采用视频图像的灰度、x方向梯度、y方向梯度、x方向光流、y方向光流做多通道处理,训练网络参数,经过5层3D卷积、5层3D池化增加提取特征中时间维度的动作信息,最终通过2层全连接与softmax分类器得到识别分类结果.在UCF101数据库上进行实验,结果表明,相比iDT、P-CNN、LRCN算法,该算法具有较高的识别准确率,且运行速度更快.

关键词：人体动作识别、多通道、3D卷积、3D池化、时间维度

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61663031;江西省自然科学基金20132BAB201046;南昌航空大学研究生创新专项资金YC2016009

在线出版日期：2019-07-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：259-263