基于双重时空特征金字塔的人体行为识别

李贵; 袁家政; 刘宏哲; 徐成

doi:10.13873/J.1000-9787(2024)04-0132-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于双重时空特征金字塔的人体行为识别

计算与测试 | 更新时间：2025-09-11

- 基于双重时空特征金字塔的人体行为识别
- 暂无标题
- 传感器与微系统 2024年第4期页码：132-135
- 作者机构：
  
  1. 北京联合大学北京市信息服务工程重点实验室
  2. 北京开放大学科学技术学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目(61871028,62171042,62102033,61906017,61802019);北京市重点科技项目(KZ201951160050,KZ202211417048);协同创新中心(CYXC2203);北京联合大学学术研究项目(BPHR2020DZ02,ZB10202003,ZK40202101,ZK120202104)
- DOI：10.13873/J.1000-9787(2024)04-0132-04
  中图分类号： TP391.41
- 纸质出版：2024
- 稿件说明：
移动端阅览
李贵, 袁家政, 刘宏哲, 等. 基于双重时空特征金字塔的人体行为识别[J]. 传感器与微系统, 2024,(4):132-135.
李贵, 袁家政, 刘宏哲, 等. 基于双重时空特征金字塔的人体行为识别[J]. 传感器与微系统, 2024,(4):132-135. DOI： 10.13873/J.1000-9787(2024)04-0132-04.

DOI：

摘要

针对目前人体动作存在着行为识别准确率低的问题，提出一种基于双重时空特征金字塔网络结构的人体行为识别方法—DSTFP。该方法使用SlowFast网络作为骨干网络提取不同尺度的特征，并将多个尺度的特征输入双重时空特征金字塔进行处理以增加网络对多个尺度的敏感度。第一重为语义增强金字塔(SEEP)

自顶向下融合多个尺度的特征，在不同尺度的特征中传递高层语义信息；第二重为空间增强金字塔(SPEP)

采用自底向上的融合方式，在不同尺度的特征中传递空间定位信息。在公共数据集AVA上的实验结果表明：该方法能获得24.97 mAP

相较于原网络提升了0.77 mAP

并有效地提升了人体行为识别的准确度，相比于同类算法更符合实际应用需求。

Abstract

关键词

Keywords

references

Sudhakaran S.,Escalera S.,Lanz O..Gate-shift networks for video action recognition[J].Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition,2020.

Ji Shuiwang,Yang Ming,Yu Kai.3D convolutional neural networks for human action recognition.[J].IEEE transactions on pattern analysis and machine intelligence,2013.

丁雪琴,朱轶昇,朱浩华,刘光灿.基于时空异构双流卷积网络的行为识别[J].计算机应用与软件,2022(03).

李亚泽,刘宏哲.基于相邻特征融合的目标检测[J].计算机科学,2021(12).

周鹏,袁国良,张颖,孙莉.基于改进的DCNN人体行为识别[J].传感器与微系统,2021(10).

李扬志,袁家政,刘宏哲.基于时空注意力图卷积网络模型的人体骨架动作识别算法[J].计算机应用,2021(07).

陈馨瑶,张天荣,朱雪芬,莫路锋.基于融合模型的人体行为识别方法[J].传感器与微系统,2021(01).

祁大健,杜慧敏,张霞,常立博.基于上下文特征融合的行为识别算法[J].计算机工程与应用,2020(02).

浏览量

409

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于双通道图卷积网络的人体行为识别方法

基于LSTNet的果园土壤含水量预测模型研究

神经网络加速PSO算法的超材料吸波体设计

基于机器学习非恒温谐振液体密度测量设计

基于双流图卷积网络的人体行为识别算法