科研之友
微信
新浪微博
Facebook
分享链接
摘要
阐述传统的CNN不能从时间序列中提取特征信息，在空域支流中引入LSTM网络，消除复杂场景对识别人体行为的影响，获得更加精细的运动目标轮廓信息。针对传统稠密光流法对于相似动作的区分还存在检错的问题，提出了光流二次稀疏提取法，以提高人体异常行为检测的准确率。实验证明，在复杂的车间环境下，该改进算法的平均识别率达到了94.4%，相较于其他深度学习算法提高了3%，有效提高人体异常行为识别的准确率及响应速度。
-
单位西安工业大学; 电子信息工程学院
