SIA OpenIR  > 机器人学研究室
时空特征融合深度学习网络人体行为识别方法
其他题名Action recognition method of spatio-temporal feature fusion deep learning network
裴晓敏; 范慧杰; 唐延东
作者部门机器人学研究室
关键词时空特征 融合 骨架 视角不变
发表期刊红外与激光工程
ISSN1007-2276
2018
卷号47期号:2页码:55-60
收录类别EI ; CSCD
EI收录号20182105214040
CSCD记录号CSCD:6207499
产权排序1
资助机构国家自然科学基金(61401455)
摘要

基于自然场景图像的人体行为识别方法中遮挡、背景干扰、光照不均匀等因素影响识别结果,利用人体三维骨架序列的行为识别方法可以克服上述缺点。首先,考虑人体行为的时空特性,提出一种时空特征融合深度学习网络人体骨架行为识别方法;其次,根据骨架几何特征建立视角不变性特征表示,CNN(Convolutional Neural Network)网络学习骨架的局部空域特征,作用于空域的LSTM(Long Short Term Memory)网络学习骨架空域节点之间的相关性特征,作用于时域的LSTM网络学习骨架序列时空关联性特征;最后,利用NTU RGB+D数据库验证文中算法。实验结果表明:算法识别精度有所提高,对于多视角骨架具有较强的鲁棒性。

其他摘要

Action recognition from natural scene was affected by complex illumination conditions and cluttered backgrounds. There was a growing interest in solving these problems by using 3D skeleton data. Firstly, considering the spatio-temporal features of human actions, a spatio-temporal fusion deep learning network for action recognition was proposed; Secondly, view angle invariant character was constructed based on geometric features of the skeletons. Local spatial character was extracted by short -time CNN networks. A spatio-LSTM network was used to learn the relation between joints of a skeleton frame. Temporal LSTM was used to learn spatio-temporal relation between skeleton sequences. Lastly, NTU RGB+D datasets were used to evaluate this network, the network proposed achieved the state-of-the-art performance for 3D human action analysis. Experimental results show that this network has strong robustness for view invariant sequences.

语种中文
引用统计
被引频次:1[CSCD]   [CSCD记录]
文献类型期刊论文
条目标识符http://ir.sia.cn/handle/173321/21585
专题机器人学研究室
通讯作者裴晓敏
作者单位1.辽宁石油化工大学信息与控制工程学院
2.中国科学院沈阳自动化研究所机器人学国家重点实验室
推荐引用方式
GB/T 7714
裴晓敏,范慧杰,唐延东. 时空特征融合深度学习网络人体行为识别方法[J]. 红外与激光工程,2018,47(2):55-60.
APA 裴晓敏,范慧杰,&唐延东.(2018).时空特征融合深度学习网络人体行为识别方法.红外与激光工程,47(2),55-60.
MLA 裴晓敏,et al."时空特征融合深度学习网络人体行为识别方法".红外与激光工程 47.2(2018):55-60.
条目包含的文件 下载所有文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
时空特征融合深度学习网络人体行为识别方法(472KB)期刊论文作者接受稿开放获取ODC PDDL浏览 下载
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[裴晓敏]的文章
[范慧杰]的文章
[唐延东]的文章
百度学术
百度学术中相似的文章
[裴晓敏]的文章
[范慧杰]的文章
[唐延东]的文章
必应学术
必应学术中相似的文章
[裴晓敏]的文章
[范慧杰]的文章
[唐延东]的文章
相关权益政策
暂无数据
收藏/分享
文件名: 时空特征融合深度学习网络人体行为识别方法.pdf
格式: Adobe PDF
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。