基于时序分析的人体活动状态识别与定位

摘要：

常规方法进行人体活动状态识别时,存在实时性差、实施困难,没有进行状态位置的时间定位等问题.针对这些问题,提出了基于时序分析的人体活动状态识别与定位方法.采用多层卷积神经网络对视频进行特征提取,采用时序动作性分组方法,产生不同精度的候选区域;采用基于结构化段网络的活动分类器对候选区域进行分类,以级联的方式进行端到端的训练,在未修剪长视频中识别并定位出站立、行走、跌倒及其时间节点.该方法不需要海量的手工标注样本进行训练,特征提取中包括时序特征的提取,相比于传统的活动状态分类方法不仅节约人力物力和增添了时间边界,还有效提高了检测的精度.在石油采油厂海上平台的监控视频的实验中证明了该方法的有效性和精确性.

关键词：目标检测、动作分类、深度学习、特征提取、时序行为

所属期刊栏目：29

分类号：TP391(计算技术、计算机技术)

资助基金：科技部创新方法工作专项资助项目2015IM010300

在线出版日期：2019-05-16（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：82-86,90