基于双流卷积神经网络的改进人体行为识别算法

摘要：

近年来人体行为识别成为计算机视觉领域的一个研究热点,而卷积神经网络(convolutional neural network,CNN)在图像分类和识别领域取得了重要突破,但是人体行为识别是基于视频分析的,视频包含空间域和时间域两部分的信息;针对基于视频的人体行为识别问题,提出一种改进的双流卷积神经网络(Two-Stream CNN)模型,对于空间域,将视频的单帧RGB图像作为输入,送入VGGNet_16模型;对于时间域,将多帧叠加后的光流图像作为输入,送入Flow_ Net模型;最终将两个模型的Softmax输出加权融合作为输出结果,得到一个多模型融合的人体行为识别器.基于JHMDB公开数据库的实验,结果证明了改进的双流CNN在人体行为识别任务上的有效性.

关键词：人体行为识别、深度学习、双流卷积神经网络、模型融合

所属期刊栏目：26

分类号：TP242(自动化技术及设备)

在线出版日期：2018-09-13（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：266-269,274