基于ResNet-LSTM的行人过街行为识别方法

摘要：

为提高行人行为识别精度,通过基于光流处理的Resnet-LSTM网络模型对行人过街行为进行识别.在采用光流法对连续视频帧进行处理的基础上,基于ResNet神经网络提取有序光流数据信息的空间维度特征,并利用LSTM网络进行时序性分析,完成行人过街行为的分类识别.论文利用Weizmann数据集对该模型做有效性检验,结果表明,算法的行为识别率可达99.46％.

关键词：行为识别;光流处理;ResNet网络;LSTM网络

所属期刊栏目：49

分类号：O235(控制论、信息论（数学理论）)

在线出版日期：2021-10-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1872-1877