基于深度学习的人体动作识别方法

摘要：

对基于机器视觉的人体动作识别的成果进行研究,为提高视频数据集中人体动作的识别率,提出一种改进的深度网络模型.采用稠密光流方法处理数据,结合二维卷积神经网络(2DCNN)、三维卷积神经网络(3DCNN)和长短期记忆神经网络(LSTM)对动作特征进行提取,利用Softmax分类器识别分类.通过KTH数据集进行实验对比验证,分析结果表明,改进模型相比其它已有模型具有更高的识别率,动作识别效果更优.

关键词：人体动作识别、深度学习、KTH数据集、卷积神经网络、稠密光流

所属期刊栏目：41

分类号：TP24(自动化技术及设备)

资助基金：天津市科技计划基金项目;天津市自然科学基金项目

在线出版日期：2020-04-29（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：1153-1157