基于DenseNet和深度运动图的行为识别算法

Information Techology and Network Security（2020）

引用 0|浏览3

暂无评分

摘要

结合深度信息以及RGB视频序列中丰富的纹理信息,提出了一种基于DenseNet和深度运动图像的人体行为识别算法.该算法基于DenseNet网络结构,首先获取彩色纹理信息和光流信息,然后从同步的深度视频序列获取深度信息,以增强特征互补性;再将空间流、时间流和深度流三种特征信息分别作为网络的输入;最后通过LSTMs进行特征融合和行为分类.实验结果表明,在公开的动作识别库UTD-MHAD数据集上,该算法识别准确率为92.11％,与该领域中的同类算法相比表现优异.

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要