基于3D卷积神经网络人体行为识别方法.docVIP

基于3D卷积神经网络人体行为识别方法 　　摘要： 　　为了提高视频中人体行为识别的准确率，更好地利用视频中的原始信息，提取出更具有代表性的特征，提出一种基于3D卷积神经网络的人体行为识别方法。该方法构建了一个深层三维卷积神经网络模型，使用三维卷积核进行卷积操作，提取视频中人体行为的时域和空域特征，通过多层卷积操作对底层特征进行再组合，得到抽象的高维特征。在KTH数据集上的实验结果表明，该方法有较好的识别效果。 　　关键词关键词： 　　人体行为识别；3D卷积神经网络；深度学习 　　DOIDOI：10.11907/rjdk.172515 　　中图分类号：TP301 　　文献标识码：A文章编号文章编号2017）011000903 　　0引言 　　智能视频分析一直是具有重要学术价值的研究领域，人体行为识别作为该领域必不可少的一部分，成为新的研究热点，在智能视频监控、高级人机交互、体育运动分析和基于内容的视频检索等方面有着广阔的应用前景。 　　目前主流的人体行为识别方法大多使用人工设计的特征对视频中的人体运动进行表征，如轮廓、剪影、HOG、Harris、SIFT以及这些特征在三维上的扩展等。人工设计特征是一种利用人类智慧和先验知识，将这些知识应用到目标和行为识别技术中的很好方式[1]。但这种方式需要人工发掘能够表现运动的特征，而人工选择的特征有时较难