-
题名基于推理网络的人体动作识别
被引量：3
- 1
-
-
作者
葛鹏花
智敏
-
机构
内蒙古师范大学计算机科学技术学院
-
出处
《计算机工程与设计》
北大核心
2021年第3期853-858,共6页
-
基金
内蒙古自然科学基金项目(2018MS06008)。
-
文摘
为更好地对动作进行分类,提出基于推理网络的人体动作识别算法。通过Faster RCNN提取以人为主要区域、以场景信息为附加区域的特征信息,将其输入到LSTM中进行边框回归以及动作分类,通过结合Faster RCNN和LSTM获得动作的空间特征和时间特征,得到更精确的动作分类。在公认的两个数据集上进行实验,UCF-101数据集上精确度达到了93.6%,HMDB-51数据集中精确度达到了66.2%。
-
关键词
推理网络
人体动作识别
上下文信息
快速区域卷积神经网络
长短时记忆网络
-
Keywords
inference network
human action recognition
contextual information
faster regional convolutional neural network(Faster RCNN)
long short term memory(LSTM)
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于双流独立循环神经网络的人体动作识别
被引量：2
- 2
-
-
作者
葛鹏花
智敏
于华
郝岩
-
机构
内蒙古师范大学计算机科学技术学院
-
出处
《现代电子技术》
北大核心
2020年第4期137-141,共5页
-
基金
内蒙古自然科学基金资助项目(2018MS06008)
-
文摘
针对RGB视频中遮挡物以及其他外界因素对人体动作识别产生影响,以及识别精确度有待提升的问题,提出基于双流独立循环神经网络人体动作识别算法。在提取特征方面,时间网络采用分层IndRNN对时序中3D骨架坐标信息进行特征提取;空间网络采用深层的IndRNN对每个时刻骨架的空间位置关系进行特征提取,其中骨架的空间结构采用了图遍历的方法。对于空间网络和时间网络的特征融合采用加权求和的方式,最后用softmax对动作进行分类。在3D骨架动作数据集(NTU RGB+D)以及交互数据集(SBU Interaction Dataset)上验证了模型的有效性。
-
关键词
人体动作识别
双流网络
独立循环神经网络
特征提取
特征融合
模型验证
-
Keywords
human action recognition
IndRNN
two⁃stream network
feature extraction
feature fusion
model validation
-
分类号
TN915-34
[电子电信—通信与信息系统]
TP391.4
[电子电信—信息与通信工程]
-
