10.16208/j.issn1000-7024.2023.03.028
基于自适应融合权重的人体行为识别方法
为解决人体行为识别中关节特征不显著、噪声干扰严重等问题,提出一种基于自适应融合权重的人体行为识别方法.为充分利用长时时序信息,需要对长视频进行时域分割,而后设计基于BN-Inception的双流网络结构,分别以RGB图像和骨骼关节点构成的运动特征向量作为空间流和时间流网络的输入,基于熵值法对各片段内单支流网络融合后,根据关节点显著程度赋予各支流以惩罚值,使双流网络自适应调节权重进行融合,输出行为类别.实验结果表明,该方法在人体行为识别中具有可行性和有效性.
行为识别、双流卷积神经网络、骨骼关节点、运动特征向量、自适应融合、熵值法、时域分割
44
TP391(计算技术、计算机技术)
国家自然科学基金;陕西省自然科学基础研究计划基金项目
2023-05-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
845-851