基于CNN/LSTM和稀疏下采样的人体行为识别

摘要：

针对人体行为识别提出一种基于深度学习的方法,使用CNN和LSTM以及MLP来构建的模型.用CNN提取视频的空间信息,LSTM提取视频的时间信息,使用MLP实现最后的分类,为提高训练速度,对视频剪辑进行稀疏下采样预处理.该模型在UCF-101数据集上达到了令人满意的效果,在与该领域中的同类算法比较中表现优异.

关键词：人体行为识别、卷积神经网络、长短期记忆网络、多层感知器、稀疏下采样

所属期刊栏目：40

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金项目61572142;广东省科技计划基金项目14ZK0180

在线出版日期：2019-08-02（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：1445-1450