基于深度学习网络的舞蹈动作识别方法研究

作     者：闫琳 YAN Lin

作者机构：西安航空职业技术学院陕西西安710089 

基　　金：陕西省教育厅专项科研计划项目(19JK0434) 

出 版 物：《电子设计工程》 (Electronic Design Engineering)

年 卷 期：2021年第29卷第11期

页      码：30-34页

摘      要：针对互联网中对视频动作迅速精确识别的需求,文中在传统深度学习网络上进行了改进,构建时域与空间域上的双路卷积网络。该网络以卷积神经网络(CNN)中的卷积、池化与全连接计算为基础,一方面在空间域上提取视频帧中的像素信息作为网络输入特征;另一方面在时域上,为了更优地表示视频动作的变化特征,引入了光流信息,借助金字塔算法(LK)计算像素在dt时间内的光流矢量变化作为时域卷积特征。为了评估网络的性能,文中以舞蹈动作的识别为例进行算法的应用测试,测试数据集中包含了101个标识完备的舞蹈动作。此外,为了评估算法的性能,通过引入工业界现有的Inception V3与3D-CNN网络进行对比。测试结果表明,文中所提算法较Inception V3的F1提升了10.90%,识别精度相较于Inception V3与3D-CNN网络分别有10.85%和5.27%的提升。

主 题 词：深度学习 卷积神经网络 光流信息 动作识别 

学科分类：08[工学] 0835[0835] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.14022/j.issn1674-6236.2021.11.007

馆 藏 号：203103423...