基于3D-CNN-LDCRF模型的行为识别方法

作者：成立

来源：新型工业化, 2020, 10(09): 171-174.

DOI：10.19335/j.cnki.2095-6649.2020.09.060

• 三维卷积神经网络
• 深度学习
• 潜动态条件随机场
• 行为识别

为了进一步提高连续行为的识别能力,将卷积神经网络与随机场模型相融合,提出一种基于3D-CNNLDCRF(3D-Convolutional Neural Network-latent dynamic conditional random fields)的行为识别方法。该方法将卷积神经网络(Convolutional Neural Network,CNN)嵌入到潜动态条件随机场(latent dynamic conditional random fields,LDCRF)底层,利用CNN自动从原始视频序列中学习高级动作特征,LDCRF对动作的内在子结构和外在动态建模。采取端到端的训练方式,通过梯度算法对模型参数进行联合优化,将特征学习和行为识别统一在一个程序中。实验结果表明,该方法相较于其他几种方法在行为识别中具有更好的识别能力和鲁棒性,以及良好的特征学习优势。

• 单位
  江苏城乡建设职业学院