一种基于2D时空信息提取的行为识别算法
基于计算机视觉的人体行为识别技术是当前的研究热点,其在行为检测、视频监控等领域都有着广泛的应用价值.传统的行为识别方法,计算比较繁琐,时效性不高.深度学习的发展极大提高了行为识别算法准确性,但是此类方法和图像处理领域相比,效果上存在一定的差距.设计了一种基于DenseNet的新颖的行为识别算法,该算法以DenseNet做为网络的架构,通过2D卷积操作进行时空信息的学习,在视频中选取用于表征行为的帧,并将这些帧按时空次序组织到RGB空间上,传入网络中进行训练.在UCF101数据集上进行了大量实验,实验准确率可以达到94.46%.
行为识别、视频分析、神经网络、深度学习、卷积神经网络、分类、时空特征提取、密集连接卷积网络
15
TP391.41(计算技术、计算机技术)
国家自然科学基金项目51674255
2021-01-26(万方平台首次上网日期,不代表论文的发表时间)
共10页
900-909