| 赵新秋,杨冬冬,贺海龙,段思雨.基于深度学习的人体行为识别研究[J].高技术通讯(中文),2020,30(5):471~479 |
| 基于深度学习的人体行为识别研究 |
|
| |
| DOI： |
| 中文关键词: 人体行为识别； 卷积神经网络（CNN）； 运动前景检测； 连续帧组合 |
| 英文关键词: |
| 基金项目: |
|
| 摘要点击次数: 3063 |
| 全文下载次数: 1798 |
| 中文摘要: |
| 为解决传统人体行为识别算法存在的运动前景检测不准确、特征提取模糊以及训练识别耗时长等问题，本文提出了基于深度学习的人体行为识别研究方法。利用骨架提取方法对运动前景进行检测及特征提取；针对人体行为动作的时序性，提出了连续帧组合方法；在模型训练环节，对比了不同的网络模型参数，选择了最优的激活函数、优化算法以及dropout系数。最后，结合网络模型，分类识别测试样本集中的各种行为，并将识别的结果和当前流行的算法进行比较，通过对比实验，最终实验结果证明了本文所提方法优于其他方法，平均识别率相比其他方法有较大的提高。 |
| 英文摘要: |
| |
|
查看全文
查看/发表评论 下载PDF阅读器 |
| 关闭 |
|
|
|
