基于训练图CNN特征的识别算法

　　视频人体动作识别一直是具有重要学术价值的研究领域。在传统方法中，动作特征和轨迹特征效果最为优秀，改进密集轨迹（ Improved Dense　Trajectories，IDT）特征在HMDB-51动作库上就可以达到57. 2%的准确率，融合了IDT特征的组合特征可以在UCFI01动作库上达到89. 62%的准确率。而只用了图像RGB数据的空域卷积网络模型仅能分别做到40. 5%和73. 0%。

　　为将卷积神经网络（ CNN）应用到视频理解中，提出一种基于训练图CNN特征的识别算法。利用图像RGB数据识别视频人体动作，使用现有的CNN模型从图像中提取特征，并采用长短记忆单元的递归神经网络进行训练分类，研究CNN模型和隐层的选择、优化、特征矢量化和降维。实验结果表明，与使用图像RGB数据注意力模型的算法和组合长短期记忆模型算法相比，该算法具有更高的准确率。

所需积分：2

下载资料需要登录，并消耗一定积分。