• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文期刊> 《国外电子测量技术》 >基于IA-Net的人体行为识别方法

基于IA-Net的人体行为识别方法

         
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

针对遮挡环境下人体行为信息的不完整性，导致行为识别准确率低的问题，提出了一种改进的注意模型（IA-Net）。为减少参数剧增，降低计算消耗，采用自适应卷积（adaptive convolution）层代替压缩提取模块（SE-block）中的全连接（FC）层。同时为防止SE-block产生神经原失活的问题，在激活层（sigmoid）之前加批标准化（BN）层对数据进行标准化处理，使得输入给sigmoid激活函数之前数据处于该函数的非饱和区，提出改进的注意力模块（ISE-block）。将ISE-block嵌入到残差网络ResNet50中，形成ISE-ResNet50网络，用于提取人体行为特征，提升重要特征权重同时抑制非重要特征权重。考虑复杂行为需长时间序列表示其前后动作依赖关系并突出主要特征，将ISE-ResNet50网络的输出送给具有注意力机制的长短期模块（ATT-LSTM）,最终形成IA-Net模型，实现端到端的行为识别。在HMDB51、UCF101两个数据集上进行实验，提出的IA-Net模型分别获得86.32%和97.78%的识别精度。与时空残差网络ST-ResNet在HMDB51数据集上的识别精度相比提升了1.52%。实验结果表明，IA-Net在行为识别方面具有更高精度。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号