基于四元数时空卷积神经网络的人体行为识别

摘要：

传统卷积神经网络(CNN)只适用于灰度图像或彩色图像分通道的特征提取,忽视了通道间的空间依赖性,破坏了真实环境的颜色特征,从而影响人体行为识别的准确率.为了解决上述问题,提出一种基于四元数时空卷积神经网络(QST-CNN)的人体行为识别方法.首先,采用码本算法预处理样本集所有图像,提取图像中人体运动的关键区域;然后将彩色图像的四元数矩阵形式作为网络的输入,并将CNN的空间卷积层扩展为四元数空间卷积层,将彩色图像的红、绿、蓝通道看作一个整体进行动作空间特征的提取,并在时间卷积层提取相邻帧的动态信息;最后,比较QST-CNN、灰度单通道CNN(Gray-CNN)和RGB 3通道CNN(3 Channel-CNN)3种方法的识别率.实验结果表明,所提方法优于其他流行方法,在Weizmann和UCF sports数据集分别取得了85.34％和80.2％的识别率.

关键词：四元数、卷积神经网络、码本、人体行为识别

所属期刊栏目：38

分类号：TP391.4;TH164(计算技术、计算机技术)

资助基金：国家自然科学基金青年项目61602108;吉林市科技局项目20166016

在线出版日期：2018-01-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2643-2650