基于改进长效递归卷积网络的行为识别算法

CORC > 沈阳自动化研究所 > 中国科学院沈阳自动化研究所 > 机器人学研究室

	基于改进长效递归卷积网络的行为识别算法
	徐方 1,3; 王学微 1,2; 贾凯 1,3; Zhao XG(赵新刚)
刊名	计算机工程与设计
	2018
卷号	39 期号:7 页码:2054-2058
关键词	行为识别卷积神经网络递归神经网络深度学习模式识别
ISSN号	1000-7024
其他题名	Action recognition based on improved long-term recurrent convolution network
通讯作者	王学微
产权排序	1
中文摘要	为充分提取视频序列中人体行为的静态特征与时域特征,提高人体行为识别算法的准确率,结合深度卷积神经网络与递归神经网络,提出一种端到端的网络模型,分别使用多帧叠加的RGB图像与光流图像作为网络输入,将基于RGB图像的人体行为特征与基于光流图像的人体行为特征进行加权融合,作为最终的人体行为特征。实验结果表明,该算法可以有效提高行为识别准确率,在公开数据集UCF101上取得了84.68%的平均准确率,高于改进前长效递归卷积神经网络(82.34%)。
英文摘要	To fully extract the spatial feature and time domain feature of human activity in video sequences and improve the accuracy of human action recognition algorithm, an end-to-end network combining with deep convolution neural network and recurrent neural network was presented. The stacked RGB images and the stacked optical flow images were respectively used as the network input, and the features based on the RGB images and the features based on the optical flow images were weightedly integrated as the ultimate human activity features. Experimental results show that the proposed algorithm can effectively improve the accuracy of action recognition, and obtain the average accuracy rate of 84.68%in the open dataset UCF101,which is higher than that of the long recurrent convolution network(82.34%).
语种	中文
内容类型	期刊论文
源URL	[http://ir.sia.cn/handle/173321/22356]
专题	沈阳自动化研究所_机器人学研究室
作者单位	1.中国科学院沈阳自动化研究所机器人国家重点实验室 2.中国科学院大学 3.沈阳新松机器人自动化股份有限公司中央研究院
推荐引用方式 GB/T 7714	徐方,王学微,贾凯,等. 基于改进长效递归卷积网络的行为识别算法[J]. 计算机工程与设计,2018,39(7):2054-2058.
APA	徐方,王学微,贾凯,&Zhao XG.(2018).基于改进长效递归卷积网络的行为识别算法.计算机工程与设计,39(7),2054-2058.
MLA	徐方,et al."基于改进长效递归卷积网络的行为识别算法".计算机工程与设计 39.7(2018):2054-2058.