10.16208/j.issn1000-7024.2019.04.042
基于卷积神经网络的人体动作识别
针对复杂场景下人体动作识别精度不高的问题,提出融合改进的可变形部件模型算法(DPM)以及卷积神经网络模型算法(CNN)的人体动作识别算法.在特征提取阶段,为提高人体检测精度,采用改进的DPM算法将部件滤波器模型由5个增加到8个,同时结合分支定界(BB)算法;CNN采用连续的卷积层提取特征,使用的CNN模型是经过梯度优化训练的针对人体动作识别的卷积神经网络,两个算法并行进行.在特征融合阶段,用加权求和的方式把两个模型提取的特征进行融合.用softmax分类器进行人体动作的分类识别.实验结果表明,该算法在标准的数据集、自搜集数据集上的精度较传统的机器学习方法提高了约10个百分点.
卷积神经网络模型算法、可变形部件模型算法、特征提取、特征融合、人体动作识别
40
TP391.4(计算技术、计算机技术)
内蒙古自然科学基金项目2018MS06008;内蒙古师范大学2017年度研究生科研创新基金项目CXJJS17111
2019-06-27(万方平台首次上网日期,不代表论文的发表时间)
共6页
1161-1166