10.16208/j.issn1000-7024.2020.02.010
基于CNN与双向LSTM的行为识别算法
针对传统行为识别依赖手工提取特征,智能化程度不高,识别精度低的问题,提出一种基于3D骨骼数据的卷积神经网络(CNN)与双向长短期记忆网络(Bi-LSTM)的混合模型.使用3D骨骼数据作为网络输入,CNN提取每个时间步的3D输入数据间的空间特征,Bi-LSTM更深层地提取3D数据序列的时间特征.该混合模型自动提取特征完成分类,实现骨骼数据到识别结果的端对端学习.在UTKinect-Action3D标准数据集上,模型的识别率达到97.5%,在自制Kinect数据集上的准确率达到98.6%,实验结果表明,该网络有效提高了分类准确率,具备可用性和有效性.
行为识别、体感摄像机、骨骼、卷积神经网络、双向长短期记忆网络
41
TP391.41(计算技术、计算机技术)
国家自然科学基金项目 ;上海汽车工业科技发展基金项目 1837
2020-04-14(万方平台首次上网日期,不代表论文的发表时间)
共6页
361-366