-
题名深度学习的双人交互行为识别与预测算法研究
被引量：5
- 1
-
-
作者
姬晓飞
谢旋
任艳
-
机构
沈阳航空航天大学自动化学院
-
出处
《智能系统学报》
CSCD
北大核心
2020年第3期484-490,共7页
-
基金
国家自然科学基金项目(61602321)
辽宁省自然科学基金项目(201602557)
+1 种基金
辽宁省教育厅科学研究服务地方项目(L201708)
辽宁省教育厅科学研究青年项目(L201745).
-
文摘
基于卷积神经网络的双人交互行为识别算法存在提取的深度特征无法有效表征交互行为序列特性的问题,本文将长短期记忆网络与卷积神经网络模型相结合,提出了一种基于深度学习的双人交互行为识别与预测一体化方法。该方法在训练过程中,完成对卷积神经网络和长短期记忆网络模型的参数训练。在识别与预测过程中,将不同时间比例长度的未知动作类别的视频图像分别送入已经训练好的卷积神经网络模型提取深度特征,再将卷积神经网络提取的深度特征送入长短期记忆网络模型完成对双人交互行为的识别与预测。在国际公开的UT-interaction双人交互行为数据库进行测试的结果表明,该方法在保证计算量适当的同时对交互行为的正确识别率达到了92.31%,并且也可完成对未知动作的初步预测。
-
关键词
视频分析
行为识别
行为预测
深度学习
卷积神经网络
长短期记忆网络
ut-interaction数据库
SBU
Kinect
interaction数据库
-
Keywords
video analysis
action recognition
action prediction
deep learning
convolutional neural network
long short term memory
ut-interaction dataset
SBU Kinect interaction dataset
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于关键帧特征库统计特征的双人交互行为识别
被引量：4
- 2
-
-
作者
姬晓飞
左鑫孟
-
机构
沈阳航空航天大学自动化学院
-
出处
《计算机应用》
CSCD
北大核心
2016年第8期2287-2291,共5页
-
基金
国家自然科学基金资助项目(61103123)
辽宁省高等学校优秀人才支持计划项目(LJQ2014018)~~
-
文摘
针对双人交互行为识别算法中普遍存在的算法计算复杂度高、识别准确性低的问题,提出一种新的基于关键帧特征库统计特征的双人交互行为识别方法。首先,对预处理后的交互视频分别提取全局GIST和分区域方向梯度直方图(HOG)特征。然后,采用k-means聚类算法对每类动作训练视频的所有帧的特征表示进行聚类,得到若干个近似描述同类动作视频的关键帧特征,构造出训练动作类别对应的关键帧特征库;同时,根据相似性度量统计出特征库中各个关键帧在交互视频中出现的频率,得到一个动作视频的统计直方图特征表示。最后,利用训练后的直方图相交核支持向量机(SVM),对待识别视频采用决策级加权融合的方法得到交互行为的识别结果。在标准数据库测试的结果表明,该方法简单有效,对交互行为的正确识别率达到了85%。
-
关键词
GIST特征
方向梯度直方图
关键帧特征库
直方图相交核
ut-interaction数据库
-
Keywords
GIST feature
Histogram of Oriented Gradient （HOG）
key frame feature library
histogram intersection kernel
ut-interaction dataset
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TP391.413
[自动化与计算机技术—控制科学与工程]
-
