10.3969/j.issn.0254-3087.2017.11.004
基于四元数时空卷积神经网络的人体行为识别
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.
四元数、卷积神经网络、码本、人体行为识别
38
TP391.4;TH164(计算技术、计算机技术)
国家自然科学基金青年项目61602108;吉林市科技局项目20166016
2018-01-24(万方平台首次上网日期,不代表论文的发表时间)
共8页
2643-2650