一种融合全局时空特征的CNNs动作识别方法

作     者：王珂 武军 周天相 李瑞峰 Wang Ke;Wu Jun;Zhou Tianxiang;Li Ruifeng

作者机构：哈尔滨工业大学机器人技术与系统国家重点实验室 

出 版 物：《华中科技大学学报（自然科学版）》 (Journal of Huazhong University of Science and Technology(Natural Science Edition))

年 卷 期：2018年第46卷第12期

页      面：36-41页

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金资助项目(61673136) 教育部-中国移动科研基金资助项目(MCM20170208) 

主　　题：动作识别 卷积神经网络 能量运动历史图 全局时域特征 数据集 

摘      要：针对基于卷积神经网络(CNNs)的人体动作识别方法通常采用空域或时域局部特征的不足,提出一种融合人体动作全局时域和空间特征的双通道CNNs动作识别模型.空间通道对动作图像进行深度学习,采用多帧融合的方式提升准确率,全局时域通道对能量运动历史图(EMHI)进行深度学习,最后融合两个通道信息识别人体动作.利用现有的大型数据集进行预训练,以解决学习过程中训练样本不足问题.在UCF101数据集和该项目小样本数据集上进行实验,结果证明了该方法的有效性.