基于稠密连接时空双流网络的行为识别方法研究

作者：程换新; 孙胜意; 骆晓玲^*; 王雪

来源：电子测量技术, 2022, 45(18): 134-138.

DOI：10.19651/j.cnki.emt.2209490

• 时空双流模型
• 稠密网络
• 人体动作识别
• LSTM

针对视频中复杂人体动作识别精度低、效率差的问题，提出了一种时空特征提取的稠密连接网络模型。首先利用两个稠密连接网络进行时空特征的提取；其次构建时空网络间的稠密连接，将时间网络中提取到的特征信息逐层输入到空间流网络中，提高两个流的时空交互性；然后使用LSTM网络分别对双流网络特征进行处理得到两个流的预测结果；最后融合双流网络的预测结果，从而实现视频中复杂行为的识别。在UCF101和HMDB51两个基准数据集上进行对比实验，得到94.69%和68.87%的准确率，优于其他算法。实验证明，本文模型可增加时空网络之间的交互性，有利于对复杂人体动作的识别。

• 单位
  机电工程学院; 电子工程学院; 青岛科技大学