基于特征密集计算与融合算法的教师课堂行为分析

发布时间：2021-11-25 10:56

　　针对传统网络结构不能充分利用数据中时空信息的问题,提出了一种时空金字塔池化模型,并将该模型与非局部特征计算操作相结合,设计了一种基于时空信息密集计算与融合的三维密集连接卷积神经网络,从而可以更有效地提取视频的时空特征。将该算法应用于课堂场景下教师行为的分析,实验结果表明,所设计的网络结构在教师行为数据集上达到了较高的识别准确率。 

【文章来源】：激光与光电子学进展. 2019,56(16)北大核心CSCD

【文章页数】：6 页

【文章目录】：
1 引言
2 基于时空信息密集计算与融合的深度卷积网络
    2.1 时空金字塔池化模块
    2.2 改进型三维密集连接网络
    2.3 非局部特征计算模块
3 实验与分析
    3.1 教师行为数据库的建立
    3.2 训练设置
    3.3 实验结果与分析
4 结论


【参考文献】：
期刊论文
[1]基于协方差流形和LogitBoost的异常驾驶行为识别方法[J]. 李此君,刘云鹏.  激光与光电子学进展. 2018(11)
[2]基于卷积神经网络判别特征学习的行人重识别[J]. 陈兵,查宇飞,李运强,张胜杰,张园强,库涛.  光学学报. 2018(07)
[3]基于时空方向主成分直方图的人体行为识别[J]. 徐海洋,孔军,蒋敏,昝宝锋.  激光与光电子学进展. 2018(06)
[4]特征融合的卷积神经网络多波段舰船目标识别[J]. 刘峰,沈同圣,马新星.  光学学报. 2017(10)



本文编号：3517996