-
题名多维度自适应3D卷积神经网络原子行为识别
被引量：4
- 1
-
-
作者
高大鹏
朱建刚
-
机构
中国民航飞行学院计算机学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2018年第4期174-178,230,共6页
-
基金
四川省教育厅科研项目(No.16ZB0032)
-
文摘
针对现有的3D卷积神经网络(3D Convolutional Neural Networks,3DCNN)行为识别算法将输入视频分块划分为固定长度,其包含的行为信息可能冗余或不全的问题,提出了解决方案。利用人体运动质点轨迹的特性定义了人体原子行为;以原子行为的长度作为视频分块的长度进行视频划分,得到包含完整信息的人体行为。3DCNN要求输入数据必须是相同维度,而原子行为视频块长度不同。为此改进了空间金字塔池化(3D Spatial Pyramid Pooling,3D SPP)技术,以适用于不同长度视频处理。把SPP层放置在全连接层前,处理3DCNN卷积层输出的不同长度特征图,以输出相同长度特征向量。与相关算法相比,实验数据说明该算法对输入数据要求更低,由于视频分块信息的完整性,识别率有显著提高。
-
关键词
行为识别
视频分析
3d空间金字塔池化
原子行为
3d卷积神经网络
-
Keywords
action recognition
video analysis
3d spatial pyramid pooling
atom action
3d Convolutional Neural Networks
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
