构建多尺度深度卷积神经网络行为识别模型.docx

下载文档

0
0
约1.48万字
约 14页
2025-02-17 发布于山东
举报
版权申诉
保障服务

构建多尺度深度卷积神经网络行为识别模型.docx

1、本文档共14页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。

第25卷第3期2017年3月

光学精密工程

OpticsandPrecisionEngineering

Vol.25No.3Mar.2017

文章编号1004-924X(2017)03-0799-07

构建多尺度深度卷积神经网络行为识别模型

刘智1,黄江涛2*,冯欣1

(1.重庆理工大学计算机学院，重庆400054;

2.广西师范学院计算机与信息工程学院，广西南宁530001)

摘要：为了减化传统人体行为识别方法中的特征提取过程，提高所提取特征的泛化性能，本文提出了一种基于深度卷积神经网络和多尺度信息的人体行为识别方法。该方法以深度视频为研究对象，通过构建基于卷积神经网络的深度结构，并融合粗粒度的全局行为模式与细粒度的局部手部动作等多尺度信息来研究人体行为的识别。MSRDailyActivity3D数据集上的实验得出该数据集上第11~16种行为的平均识别准确率为98%,所有行为的平均识别准确率为60.625%。结果表明，本方法能对人体行为进行有效识别，基本能准确识别运动较为明显的人体行为，对仅有手部局部运动的行为的识别准确率有所下降。

关键词：卷积神经网络；深度学习；人体行为识别；计算机视觉；多尺度

中图分类号：TP394.1;TH691.9文献标识码：Adoi:10.3788/OPE0799

Actionrecognitionmodelconstructionbasedonmulti-scaledeepconvolutionneuralnetwork

LIUZhi1,HUANGJiang-tao2,FENGXin1

(1.CollegeofComputerScienceandEngineering,

ChongqingUniversityofTechnology,Chongqing400054,China;

2.CollegeofComputerandInformationEngineering,

GuangxiTeachersEducationUniversity,Nanning530001,China)

*Correspondingauthor,E-mail:hjt@

Abstract:InordertosimplifythefeatureextractingprocessofHumanActivityRecognition(HAR)andimprovethegeneralizationofextractedfeature,analgorithmbasedonmulti-scaledeepconvolutionneuralnetworkwasproposed.Inthisalgorithm,thedepthvideowasselectedasresearchobjectandaparallelCNN(ConvolutionNeuralNetwork)baseddeepnetworkwasconstructedtoprocesscoarseglobalinformationoftheactionandfine-grainedlocalinformationofhandpartsimultaneously.ExperimentswereexecutedonMSRDailyActivity3Ddataset.TheaveragerecognitionaccuracyonactionsrangingfromNo.11toNo.16was98%,whilethatonallactionswas60.625%.Theexperimentalresultsshowedthatproposedalgorithmcould