时空域深度卷积神经网络及其在行为识别上的应用

摘要：

近年来深度卷积神经网络在静态图像识别上取得了较大进展,但在行为视频上建模运动信息的能力较弱.但是,运动信息是行为识别区别于静态图像识别的关键.基于滤波器响应积提出了时空域深度卷积神经网络.该网络先将相邻帧对应的卷积核分为两组,近似地形成傅里叶基函数对,后续的乘法层将不同帧产生的响应两两相乘后再输入加法层求和,从而将相邻帧映射到变换矩阵的特征值对应的不变子空间上,依靠相邻帧在不变子空间上的旋转角度检测它们之间的运动特征.理论分析证明,网络既对运动敏感,又对内容敏感.实验表明,该网络能对行为视频做出更准确的分类,并与近年出现的其他6种算法进行比较,结果体现了本算法的优越性.

关键词：时空域、卷积神经网络、深度学习、动作特征、行为识别

所属期刊栏目：42

分类号：TP301(计算技术、计算机技术)

在线出版日期：2016-05-13（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：245-249