构建多尺度深度卷积神经网络行为识别模型

发布时间：2018-05-17 14:21

  本文选题：卷积神经网络 + 深度学习　； 参考：《光学精密工程》2017年03期

【摘要】：为了减化传统人体行为识别方法中的特征提取过程,提高所提取特征的泛化性能,本文提出了一种基于深度卷积神经网络和多尺度信息的人体行为识别方法。该方法以深度视频为研究对象,通过构建基于卷积神经网络的深度结构,并融合粗粒度的全局行为模式与细粒度的局部手部动作等多尺度信息来研究人体行为的识别。MSRDailyActivity3D数据集上的实验得出该数据集上第11~16种行为的平均识别准确率为98%,所有行为的平均识别准确率为60.625%。结果表明,本方法能对人体行为进行有效识别,基本能准确识别运动较为明显的人体行为,对仅有手部局部运动的行为的识别准确率有所下降。
[Abstract]:In order to reduce the feature extraction process in traditional human behavior recognition methods and improve the generalization performance of the extracted features, a human behavior recognition method based on deep convolution neural network and multi-scale information is proposed in this paper. This method takes the depth video as the research object and constructs the depth structure based on convolutional neural network. And combining coarse-grained global behavior pattern with fine-grained local hand action and other multi-scale information to study the recognition of human behavior. MSRDailyActivity3D data set experiments show that the average recognition accuracy of 1116 behaviors in this dataset is 98%. The average recognition accuracy of all behaviors was 60.625. The results show that this method can effectively identify human behavior, and can recognize the human behavior with obvious movement accurately, and the accuracy of recognition for the behavior with only local movement of the hand is decreased.
【作者单位】： 重庆理工大学计算机学院;广西师范学院计算机与信息工程学院;
【基金】：重庆市教委科学技术研究基金资助项目(No.KJ1400926) 广西自然科学基金重点项目(No.2014GXNSFDA118037)
【分类号】：TP391.41;TP183

【参考文献】

相关期刊论文 前2条

1 张迪飞;张金锁;姚克明;成明伟;吴永国;;基于SVM分类的红外舰船目标识别[J];红外与激光工程;2016年01期

2 陈芬;郑迪;彭宗举;蒋刚毅;王叶群;;基于模式复杂度的深度视频快速宏块模式选择算法[J];光学精密工程;2014年08期

【共引文献】

相关期刊论文 前3条

1 李瑞东;孙协昌;李勐;;空间目标红外特征提取与识别技术[J];红外技术;2017年05期

2 徐涛;贾松敏;张国梁;;元胞自动机多尺度优化的显著性细微区域检测[J];光学精密工程;2017年05期

3 刘智;黄江涛;冯欣;;构建多尺度深度卷积神经网络行为识别模型[J];光学精密工程;2017年03期

【二级参考文献】

相关期刊论文 前8条

1 张全发;蒲宝明;李天然;孙宏国;;基于HOG特征和机器学习的工程车辆检测[J];计算机系统应用;2013年07期

2 吴银花;金龙旭;张柯;;应用J_(mode)值单调性的快速P帧模式选择算法[J];液晶与显示;2013年02期

3 吴银花;金龙旭;张宁;张柯;韩双丽;赵运隆;李进;;针对H.264改进的快速整像素运动估计算法[J];光学精密工程;2013年04期

4 祝世平;张玲;;基于分形和H.264的视频编码系统[J];光学精密工程;2013年03期

5 史国凯;王琼华;李大海;赵悟翔;彭华荣;罗江勇;;基于分割的离焦图像深度图提取方法[J];液晶与显示;2012年02期

6 杨旭;常义林;霍俊彦;元辉;李兵兵;陈涛;;一种三维视频深度图像快速帧内编码方法[J];西安电子科技大学学报;2012年03期

7 王鹏;吕高杰;龚俊斌;田金文;;一种复杂海天背景下的红外舰船目标自动检测方法[J];武汉大学学报(信息科学版);2011年12期

8 赵磊;王斌;张立明;;基于分割窗半监督支持向量机的遥感图像变化检测[J];复旦学报(自然科学版);2010年02期

【相似文献】

相关期刊论文 前10条

1 云中客;新的神经网络来自于仿生学[J];物理;2001年10期

2 唐春明,高协平;进化神经网络的研究进展[J];系统工程与电子技术;2001年10期

3 李智;一种基于神经网络的煤炭调运优化方法[J];长沙铁道学院学报;2003年02期

4 程科,王士同,杨静宇;新型模糊形态神经网络及其应用研究[J];计算机工程与应用;2004年21期

5 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

6 周丽晖;从统计角度看神经网络[J];统计教育;2005年06期

7 赵奇 ,刘开第 ,庞彦军;灰色补偿神经网络及其应用研究[J];微计算机信息;2005年14期

8 袁婷;;神经网络在股票市场预测中的应用[J];软件导刊;2006年05期

9 尚晋;杨有;;从神经网络的过去谈科学发展观[J];重庆三峡学院学报;2006年03期

10 杨钟瑾;;神经网络的过去、现在和将来[J];青年探索;2006年04期

相关会议论文 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

相关重要报纸文章 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

相关博士学位论文 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

相关硕士学位论文 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

，

本文编号：1901714