姿态特征与深度特征在图像动作识别中的混合应用

作     者：钱银中 沈一帆 QIAN Yin-Zhong;SHEN Yi-Fan

作者机构：常州信息职业技术学院软件学院常州213164 复旦大学计算机科学技术学院上海200433 复旦大学上海市智能信息处理重点实验室上海200433 

基　　金：江苏高校品牌专业建设工程资助项目(PPZY2015A090) 常州信息职业技术学院自然科学项目(CXZK201803Z)资助~~ 

出 版 物：《自动化学报》 (Acta Automatica Sinica)

年 卷 期：2019年第45卷第3期

页      码：626-636页

摘      要：人体姿态是动作识别的重要语义线索,而CNN能够从图像中提取有很强判别能力的深度特征,本文从图像局部区域提取姿态特征,从整体图像中提取深度特征,探索两者在动作识别中的互补作用.首先介绍了一种姿态表示方法,每个肢体部件的姿态由描述该部件姿态的一组Poselet检测得分表示.为了抑制检测错误,设计了基于部件的模型作为检测上下文.为了从数量有限的数据集中训练CNN网络,本文使用了预训练和精细调节的方法.在两个数据集中的实验表明,本文介绍的姿态特征与深度特征混合使用,动作识别性能得到了极大提升.

主 题 词：动作识别 姿态特征 poselet 深度特征 

学科分类：0810[工学-土木类] 1205[管理学-图书情报与档案管理类] 08[工学] 080203[080203] 0835[0835] 0802[工学-机械学] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.16383/j.aas.2018.c170294

馆 藏 号：203607298...