10.3778/j.issn.1673-9418.1906054
跌倒异常行为的双重残差网络识别方法
在异常行为监控中,由于监控视角、人体姿态和场景等复杂的情况,直接通过增加3D卷积神经网络层数来提取有效的视觉特征,容易导致卷积模型发生梯度消失和过拟合,从而降低了行为识别率.针对上述问题,提出了一种基于双重残差卷积网络的跌倒识别方法,通过在残差网络中嵌套残差网络,充分融合了浅层和深层视觉特征,缓解了模型训练时梯度消失问题带来的影响,从而使模型性能得到了提升.最后采用5折交叉验证方法在多相机跌倒数据集(MCFD)和热舒夫大学跌倒数据集(URFD)上进行了测试评估,结果表明双重残差网络性能优于三维卷积网络(C3D)、三维残差网络(3D-Resnet)、伪三维残差网络(P3D)和2+1维残差网络(R(2+1)D)识别方法,从而验证了双重残差网络模型对提高异常行为识别效果的有效性.
跌倒识别、残差网络、梯度消失、行为识别
14
TP391.4(计算技术、计算机技术)
The National Natural Science Foundation of China under Grant No. 61876073 国家自然科学基金;the Research Fund Project of Ministry of Education-China Mobile under Grant No. MCM20170204 教育部-中国移动科研基金项目
2020-09-14(万方平台首次上网日期,不代表论文的发表时间)
共10页
1580-1589