基于3D卷积神经网络的人体动作识别算法

作者：张瑞; 李其申; 储珺

来源：计算机工程, 2019, 45(01): 259-263.

DOI：10.19678/j.issn.1000-3428.0048978

• 人体动作识别
• 多通道
• 3D卷积
• 3D池化
• 时间维度

由于人体动作的多样性、场景嘈杂、摄像机运动视角多变等特性,导致人体动作识别的难度增加。为此,基于3D卷积神经网络,提出一种新的人体动作识别算法。以连续的16帧视频为一组输入,采用视频图像的灰度、x方向梯度、y方向梯度、x方向光流、y方向光流做多通道处理,训练网络参数,经过5层3D卷积、5层3D池化增加提取特征中时间维度的动作信息,最终通过2层全连接与softmax分类器得到识别分类结果。在UCF101数据库上进行实验,结果表明,相比iDT、P-CNN、LRCN算法,该算法具有较高的识别准确率,且运行速度更快。

• 单位
  南昌航空大学; 江西省图像处理与模式识别重点实验室