删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

基于特征融合时序分割网络的行为识别研究

本站小编 Free考研考试/2022-01-01

李洪均1,2,3,4,丁宇鹏1,李超波1,张士兵1,3
1(南通大学信息科学技术学院 江苏南通 226019);2(计算机软件新技术国家重点实验室(南京大学) 南京 210023);3(南通智能信息技术联合研究中心 江苏南通 226019);4(通科微电子学院 江苏南通 226019) (lihongjun@ntu.edu.cn)
出版日期: 2020-01-01


基金资助:国家自然科学基金项目(61871241);教育部产学研合作协同育人基金项目(201802302115);中国交通教育研究会教育科学研究课题(交教研1802-118);南通市科技计划资助项目(JC2018025,JC2018129);南京大学计算机软件新技术国家重点实验室基金项目(KFKT2019B015);江苏省研究生科研与实践创新计划项目(KYCX19_2056);南通大学-南通智能信息技术联合研究中心基金项目(KFKT2017B04)

Action Recognition of Temporal Segment Network Based on Feature Fusion

Li Hongjun1,2,3,4, Ding Yupeng1, Li Chaobo1, Zhang Shibing1,3
1(School of Information Science and Technology, Nantong University, Nantong, Jiangsu 226019);2(State Key Laboratory for Novel Software Technology (Nanjing University), Nanjing 210023);3(Nantong Research Institute for Advanced Communication Technologies, Nantong, Jiangsu 226019);4(Tongke School of Microelectronics, Nantong, Jiangsu 226019)
Online: 2020-01-01


Supported by:This work was supported by the National Natural Science Foundation of China (61871241), the Ministry of Education Cooperation in Production and Education (201802302115), the Educational Science Research Subject of China Transportation Education Research Association (Jiaotong Education Research 1802-118), the Science and Technology Program of Nantong (JC2018025, JC2018129), the Nanjing University State Key Laboratory for Novel Software Technology (KFKT2019B015), the Postgraduate Research and Practice Innovation Program of Jiangsu Province (KYCX19_2056), and the Nantong University-Nantong Joint Research Center for Intelligent Information Technology (KFKT2017B04).




摘要/Abstract


摘要: 行为识别是当今计算机视觉领域的一个研究热点,是一项具有挑战性的任务.行为识别分析与其网络输入数据类型、网络结构、特征融合环节具有密切联系.目前,主流的行为识别网络输入数据为RGB图像和光流图像,网络结构主要以双流和3D卷积为主;而特征选择直接影响到识别的效率,多层次的特征融合工作还有很多问题有待解决.针对主流的双流卷积网络输入数据为RGB图像和光流图像的局限,利用低秩空间中稀疏特征能够有效捕捉视频中运动物体信息的特点,对网络输入数据进行补充.同时,针对网络中缺乏信息交互的特点,将深度网络中高层语义信息和低层细节信息结合起来共同识别行为动作,使时序分割网络性能更具优势.在行为识别数据集UCF101和HMDB51上取得了97.1%和76.7%的识别效果,较目前主流算法有了较大的提升.实验结果表明,该方法能够有效地提高行为识别的识别率.






[1]陈善静, 向朝参, 康青, 吴韬, 刘凯, 冯亮, 邓涛. 基于多源遥感时空谱特征融合的滑坡灾害检测方法[J]. 计算机研究与发展, 2020, 57(9): 1877-1887.
[2]李梦莹, 王晓东, 阮书岚, 张琨, 刘淇. 基于双路注意力机制的学生成绩预测模型[J]. 计算机研究与发展, 2020, 57(8): 1729-1740.
[3]张露,王华彬,陶亮,周健. 基于分类距离分数的自适应多模态生物特征融合[J]. 计算机研究与发展, 2018, 55(1): 151-162.
[4]刘胜蓝,冯林,孙木鑫,刘洋. 分组排序多特征融合的图像检索方法[J]. 计算机研究与发展, 2017, 54(5): 1067-1076.
[5]郝亚洲,郑庆华,陈艳平,闫彩霞. 面向网络舆情数据的异常行为识别[J]. 计算机研究与发展, 2016, 53(3): 611-620.
[6]单言虎,张彰,黄凯奇. 人的视觉行为识别研究回顾、现状及展望[J]. 计算机研究与发展, 2016, 53(1): 93-112.
[7]同鸣,王凡,王硕,姬成龙. 一种3DHOGTCC和3DHOOFG的行为识别新框架[J]. 计算机研究与发展, 2015, 52(12): 2802-2812.
[8]周良毅, 王 智, 王营冠,. 基于动态遮挡阈值的多视角多目标协作追踪[J]. 计算机研究与发展, 2014, 51(4): 813-823.
[9]赵 绚, 彭启民,. 基于正弦级数拟合的行为识别方法[J]. , 2013, 50(2): 379-386.
[10]刘晨光 刘家锋 黄剑华 唐降龙. 基于多特征融合的分块采样粒子滤波算法在人体姿态跟踪中的应用[J]. , 2011, 48(12): 2359-2368.
[11]袁广林, 薛模根, 韩裕生, 周浦城,. 基于自适应多特征融合的mean shift目标跟踪[J]. , 2010, 47(9): 1663-1671.
[12]古红英 潘云鹤. 基于纹理特征融合约减的虹膜识别研究[J]. , 2006, 43(1): 126-131.
[13]茹立云 马少平 路 晶. 基于平均检索精度的图像特征融合方法[J]. , 2005, 42(9): 1640-1646.
[14]孙权森, 曾生根, 杨茂龙, 王平安, 夏德深,. 基于典型相关分析的组合特征抽取及脸像鉴别[J]. , 2005, 42(4): 614-621.





PDF全文下载地址:

https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4085
相关话题/网络 计算机 图像 数据 信息

  • 领限时大额优惠券,享本站正版考研考试资料!
    大额优惠券
    优惠券领取后72小时内有效,10万种最新考研考试考证类电子打印资料任你选。涵盖全国500余所院校考研专业课、200多种职业资格考试、1100多种经典教材,产品类型包含电子书、题库、全套资料以及视频,无论您是考研复习、考证刷题,还是考前冲刺等,不同类型的产品可满足您学习上的不同需求。 ...
    本站小编 Free壹佰分学习网 2022-09-19
  • 基于图注意力网络的因果关系抽取
    许晶航1,左万利1,2,梁世宁1,王英1,21(吉林大学计算机科学与技术学院长春130012);2(符号计算与知识工程教育部重点实验室(吉林大学)长春130012)(xujh17@mails.jlu.edu.cn)出版日期:2020-01-01基金资助:国家自然科学基金项目(61976103,618 ...
    本站小编 Free考研考试 2022-01-01
  • 2019大数据知识工程及应用专题
    郑庆华(西安交通大学西安710049)出版日期:2019-12-01Online:2019-12-01摘要/Abstract摘要:实际工程问题的求解往往涉及跨领域、跨模态的海量碎片化知识,这些知识不能仅靠专家提供,而需要从环境中动态学习和融合生成.知识工程旨在研究计算机对知识的获取、表征和处理.随着 ...
    本站小编 Free考研考试 2022-01-01
  • 基于邻节点和关系模型优化的网络表示学习
    冶忠林1,2,3,赵海兴1,2,3,张科1,3,朱宇1,3,肖玉芝1,31(青海师范大学计算机学院西宁810008);2(陕西师范大学计算机科学学院西安710119);3(藏文信息处理教育部重点实验室(青海师范大学)西宁810008)(zhonglin_ye@foxmail.com)出版日期:201 ...
    本站小编 Free考研考试 2022-01-01
  • 融合非稀疏信任网络的时间底限变动的智能体协商模型
    王金迪,童向荣(烟台大学计算机与控制工程学院山东烟台264005)(wangjindi117@163.com)出版日期:2019-12-01基金资助:国家自然科学基金项目(61572418)AgentNegotiationModelBasedonRoundLimitChangeofNon-Spars ...
    本站小编 Free考研考试 2022-01-01
  • 时频联合长时循环神经网络
    庄连生1,吕扬1,杨健2,3,李厚强11(中国科学技术大学信息科学技术学院合肥230027);2(军事科学院系统工程研究院北京100191);3(鹏城实验室广东深圳518000)(lszhuang@ustc.edu.cn)出版日期:2019-12-01基金资助:国家自然科学基金项目(61472379 ...
    本站小编 Free考研考试 2022-01-01
  • 面向数据流结构的指令内访存冲突优化研究
    欧焱1,2,冯煜晶1,李文明1,叶笑春1,王达1,范东睿1,21(计算机体系结构国家重点实验室(中国科学院计算技术研究所)北京100190);2(中国科学院大学计算机科学与技术学院北京100049)(ouyan@ict.ac.cn)出版日期:2019-12-01基金资助:国家重点研发计划项目(201 ...
    本站小编 Free考研考试 2022-01-01
  • 基于相关信息熵和CNN-BiLSTM的工业控制系统入侵检测
    石乐义,朱红强,刘祎豪,刘佳(中国石油大学(华东)计算机科学与技术学院山东青岛266580)(shileyi@upc.edu.cn)出版日期:2019-11-12基金资助:国家自然科学基金项目(61772551);山东省自然科学基金项目(ZR2019MF034)IntrusionDetectiono ...
    本站小编 Free考研考试 2022-01-01
  • 面向双注意力网络的特定方面情感分析模型
    孙小婉1,3,王英1,2,3,王鑫3,4,孙玉东2,31(吉林大学软件学院长春130012);2(吉林大学计算机科学与技术学院长春130012);3(符号计算与知识工程教育部重点实验室(吉林大学)长春130012);4(长春工程学院计算机技术与工程学院长春130012)(sunxw17@mails. ...
    本站小编 Free考研考试 2022-01-01
  • 一种基于局部属性生成对抗网络的人脸修复算法
    蒋斌,刘虹雨,杨超,涂文轩,赵子龙(湖南大学信息科学与工程学院长沙410082)(jiangbin@hnu.edu.cn)出版日期:2019-11-12基金资助:国家自然科学基金项目(61702176);湖南省自然科学基金项目(2017JJ3038)AFaceInpaintingAlgorithmw ...
    本站小编 Free考研考试 2022-01-01
  • 图像质量感知的混合噪声快速盲降噪算法
    徐少平,刘婷云,罗洁,张贵珍,唐祎玲(南昌大学信息工程学院南昌330031)(xushaoping@ncu.edu.cn)出版日期:2019-11-12基金资助:国家自然科学基金项目(61662044,61163023,51765042);江西省自然科学基金项目(20171BAB202017)AnI ...
    本站小编 Free考研考试 2022-01-01