- 1、本文档共8页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于深度学习的人体动作识别方法.PDF
————————————————————————————————————————————————
基于深度学习的人体动作识别方法
作者 李玉鹏,刘婷婷,张良
机构 中国民航大学 天津市智能信号与图像处理重点实验室
DOI 10.19734/j.issn.1001-3695.2018.05.0499
基金项目 国家自然科学基金资助项目;民航安全能力建设项目
预排期卷 《计算机应用研究》2020 年第37 卷第1 期
摘要 针对人体动作深度视频的四维信息映射到二维空间后,动作分类容易发生混淆的问题,提出
一种基于深度学习的人体动作识别方法。首先构建空间结构动态深度图,将深度视频的四维
信息映射到二维空间,进行信息降维处理;然后提出基于联合代价函数的深度卷积神经网络,
结合交叉熵损失函数与中心损失函数作为联合代价函数,指导卷积层学习到更具分辨力的深
度特征,以进行更精确的分类。在MSRDailyActivity3D 和SYSU 3D HOI 两个数据集的实验结
果表明,与现有方法相比,该方法识别率得到了较明显地提升,验证了该方法的有效性和鲁
棒性。该方法较好地解决了动作分类容易发生混淆的问题。
关键词 深度信息;人体动作识别;深度学习;空间结构动态深度图;深度卷积神经网络
作者简介 李玉鹏(1993-),男,广东英德人,硕士研究生,主要研究方向为计算机视觉与深度学习
(yupengli666@126.com);刘婷婷(1992-),女,硕士研究生,主要研究方向为图像处理与
计算机视觉;张良(1970-),男,教授,博士,主要研究方向为图像处理 模式识别 计算机
、 、
视觉.
中图分类号 TP391.41
访问地址 /article/02 -2020-01-058.html
投稿日期 2018 年5 月3 日
修回日期 2018 年7 月9 日
发布日期 2018 年11 月5 日
基于深度学习的人体动作识别方法
————————————————————————————————————————————————
引用格式 李玉鹏, 刘婷婷, 张良. 基于深度学习的人体动作识别方法[J/OL]. 2020, 37(1). [2018-11-05].
/article/02-2020-01-058.html.
37 1 Vol. 37 No. 1
第 卷第 期 计算机应用研究
录用定稿 Application Research of Computers Accepted Paper
基于深度学习的人体动作识别方法 *
李玉鹏,刘婷婷,张 良
( 中国民航大学 天津市智能信号与图像处理重点实验室, 天津 300300)
摘 要:针对人体动作深度视频的四维信息映射到二维空间后,动作分类容易发生混淆的问题,提出一种基于深度学
习的人体动作识别方法。首先构建空间结构动态深度图,将深度视频的四维信息映射到二维空间,进行信息降维处理;
然后提出基于联合代价函数的深度卷积神经网络,结合交叉熵损失函数与中心损失函数作为联合代价函数,指导卷积
层学习到更具分辨力的深度特征,以进行更精确的分类。在MSRDaily
文档评论(0)