基于深度学习的人体行为识别

被引：16

作者：

樊恒 ^{[1
]}

徐俊 ^{[2
]}

邓勇 ^{[3
]}

向金海 ^{[4
]}

机构：

[1] 华中农业大学工学院

[2] 华中师范大学物理学院

[3] 中船重工集团公司第七二二研究所

[4] 华中农业大学理学院

来源：

武汉大学学报(信息科学版) | 2016年 / 41卷 / 04期

关键词：

深度学习; 受限玻尔兹曼机; 深度信念网络; 行为识别;

D O I：

10.13203/j.whugis20140110

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

为了识别公共区域等特定场所下的人体行为,提出了一种基于深度学习的人体行为识别方法。首先,预处理训练样本集和测试样本集中的所有图像,通过高斯混合模型提取出目标运动前景。其次,对训练样本集中各种目标行为建立样本库,定义不同类别的识别行为作为先验知识,用于训练深度学习网络。最后,结合深度学习所得到的网络模型,分类识别测试样本集中的各种行为,并将识别的结果和当前流行方法进行了比较。实验结果表明,该人体行为识别方法优于其它方法,平均识别率相比其他方法有较大的提高。

引用

页码：492 / 497

页数：6

共 3 条

[1] 一种基于马尔科夫随机场模型的彩色纹理图像分割 [J].