基于深度学习和智能规划的行为识别

被引：12

作者：

郑兴华 ^{[1
]}

孙喜庆 ^{[1
]}

吕嘉欣 ^{[1
]}

鲜征征 ^{[2
]}

李磊 ^{[1
]}

机构：

[1] 中山大学数据科学与计算机学院

[2] 广东金融学院互联网金融与信息工程学院

来源：

电子学报 | 2019年 / 47卷 / 08期

基金：

广东省自然科学基金;

关键词：

行为识别; 深度学习; 智能规划; 深度残差网络; 递归神经网络; STRIPS规划模型; 前向状态空间搜索规划器;

D O I：

暂无

中图分类号：

TP391.41 []; TP18 [人工智能理论];

学科分类号：

080203 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

现有行为识别方法在未能持续覆盖造成视频监控盲区所引起行为数据缺失的情况,难以有效实施特征分析、行为分类补全,无法准确识别出智能体完整的行为动作序列.为此,本文提出一种基于深度学习和智能规划的行为识别方法.首先,利用深度残差网络对图像进行分类训练,然后使用递归神经网络对图像特征进行提取深度信息以增强分类效果;其次,运用智能规划的STRIPS(Stanford Research Institute Problem Solver)模型,将深度学习提取的图像特征命题信息转化为规划领域的模型描述文档,并使用前向状态空间搜索规划器推导出完整的行为动作序列.在HMDB51等行为识别公共数据集中,本方法与生成式对抗网络、深度卷积逆向图网络、深度信念网络、支持向量机等同类先进方法相比展现出更好的性能.

引用

页码：1661 / 1668

页数：8

共 10 条

[1] 基于空间结构化推理深度融合网络的RGB-D场景解析 [J].

王泽宇 ;

吴艳霞 ;

张国印 ;

布树辉 .

电子学报, 2018, 46 (05) :1253-1258

[2] 基于智能规划的工作流任务识别算法 [J].

曾霖 ;

卓汉逵 ;

李磊 .

电子学报, 2018, 46 (04) :871-877

[3] 基于3D人体骨架的动作识别 [J].

张友梅 ;

常发亮 ;

刘洪彬 .

电子学报, 2017, 45 (04) :906-911

[4] 基于改进深层网络的人脸识别算法 [J].

李倩玉 ;

蒋建国 ;

齐美彬 .

电子学报, 2017, 45 (03) :619-625

[5] 基于众包模式的开放式规划问题研究 [J].

高洁 ;

卓汉逵 ;

刘亚松 ;

李磊 .

电子学报, 2016, 44 (08) :2025-2032

[6]

Deep learning in neural networks: An overview[J] . Jürgen Schmidhuber.Neural Networks . 2014

[7]

A survey of advances in vision-based human motion capture and analysis[J] . Thomas B. Moeslund,Adrian Hilton,Volker Krüger.Computer Vision and Image Understanding . 2006 (2)

[8]

Face detection using discriminating feature analysis and Support Vector Machine[J] . Peichung Shih,Chengjun Liu.Pattern Recognition . 2005 (2)

[9] Backpropagation Applied to Handwritten Zip Code Recognition [J].

LeCun, Y. ;

Boser, B. ;

Denker, J. S. ;

Henderson, D. ;

Howard, R. E. ;

Hubbard, W. ;

Jackel, L. D. .

NEURAL COMPUTATION, 1989, 1 (04) :541-551

[10]

On the expressive power of deep architectures .2 Bengio Y,Delalleau O. International Conference on Algorithmic Learning Theory . 2011

← 1 →