文献类型：期刊文章

作　　者：周风余[1] 尹建芹[1,2] 杨阳[1] 张海婷[1] 袁宪锋[1]

机构地区：[1]山东大学控制科学与工程学院,济南250061 [2]济南大学信息科学与工程学院山东省网络环境智能计算技术重点实验室,济南250022

出　　处：《自动化学报》

基　　金：国家自然科学基金(61375084;61203341);山东省自然科学基金重点项目(ZR2015QZ08)资助~~

年　　份：2016

卷　　号：42

期　　号：7

起止页码：1030-1039

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2015_2016、EI(收录号：20163202683505)、IC、JST、MR、PUBMED、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：在线人体动作识别是人体动作识别的最终目标,但由于如何分割动作序列是一个待解决的难点问题,因此目前大多数人体动作识别方法仅关注在分割好的动作序列中进行动作识别,未关注在线人体动作识别问题.本文针对这一问题,提出了一种可以完成在线人体动作识别的时序深度置信网络(Temporal deep belief network,TDBN)模型.该模型充分利用动作序列前后帧提供的上下文信息,解决了目前深度置信网络模型仅能识别静态图像的问题,不仅大大提高了动作识别的准确率,而且由于该模型不需要人为对动作序列进行分割,可以从动作进行中的任意时刻开始识别,实现了真正意义上的在线动作识别,为实际应用打下了较好的理论基础.

关 键 词：人体动作识别 时序深度置信网络  条件限制玻尔兹曼机  在线动作识别  

分 类 号：TP391.41]