基于CNN与双向LSTM的行为识别算法

作者：吴潇颖; 李锐; 吴胜昔^*

来源：计算机工程与设计, 2020, 41(02): 361-366.

DOI：10.16208/j.issn1000-7024.2020.02.010

• 行为识别
• 体感摄像机
• 骨骼
• 卷积神经网络
• 双向长短期记忆网络

针对传统行为识别依赖手工提取特征,智能化程度不高,识别精度低的问题,提出一种基于3D骨骼数据的卷积神经网络(CNN)与双向长短期记忆网络(Bi-LSTM)的混合模型。使用3D骨骼数据作为网络输入,CNN提取每个时间步的3D输入数据间的空间特征,Bi-LSTM更深层地提取3D数据序列的时间特征。该混合模型自动提取特征完成分类,实现骨骼数据到识别结果的端对端学习。在UTKinect-Action3D标准数据集上,模型的识别率达到97.5%,在自制Kinect数据集上的准确率达到98.6%,实验结果表明,该网络有效提高了分类准确率,具备可用性和有效性。

• 单位
  华东理工大学