江苏大学学报(自然科学版)

作者：陈洁，詹永照

单位：江苏大学 计算机科学与通信工程学院， 江苏 镇江 212013

关键词：动作识别, 多时间尺度, 特征提取, 置信融合, 双流网络

基金：国家自然科学基金资助项目(61672268); 江苏省重点研发计划项目(BE2015137)

考虑视频采样的变化和目标主体运动速度的不同，针对目前深度网络学习的视频序列特征单一、多种动作分类器分类置信程度不同的问题，提出了一种多时间尺度双流CNN与置信融合的视频动作识别方法.对视频序列采用两流神经网络在多个时间尺度上学习，提取不同时间跨度的视频帧之间的上下文信息特征，并采用LSTM进行多种特征的动作类别预测.然后，针对每一种尺度与模态的动作分类器，建立综合考虑样本所属类别与其他类别的总体差异性和所属类别的唯一性情形的类别判定置信度.最后，采用各分类器对动作类别判定的置信度与类别得分进行动作类别决策融合，识别视频动作.在数据集UCF101上进行了视频动作识别试验.结果表明：所提出的方法可以有效地学习视频多种时间尺度的上下文信息，并将视频动作识别的准确率提高到92.2%.

来源：2021年第3期

《江苏大学学报(自然科学版)》期刊编辑部

查看江苏大学学报(自然科学版)杂志2021年第3期