文献类型：期刊文章

作　　者：郑兴华[1] 孙喜庆[1] 吕嘉欣[1] 鲜征征[2] 李磊[1]

ZHENG Xing-hua;SUN Xi-qing;LU Jia-xin;XIAN Zheng-zheng;LI Lei(School of Data and Computer Science,Sun Yat-sen University,Guangzhou,Guangdong 510006,China;School of Internet Finance and Information Engineering,Guangdong University of Finance,Guangzhou,Guangdong 510521,China)

机构地区：[1]中山大学数据科学与计算机学院,广东广州510006 [2]广东金融学院互联网金融与信息工程学院,广东广州510521

出　　处：《电子学报》

基　　金：广东省自然科学基金(No.2017A030313391);广东省科技厅国际合作项目(No.2017A050501042)

年　　份：2019

卷　　号：47

期　　号：8

起止页码：1661-1668

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：现有行为识别方法在未能持续覆盖造成视频监控盲区所引起行为数据缺失的情况,难以有效实施特征分析、行为分类补全,无法准确识别出智能体完整的行为动作序列.为此,本文提出一种基于深度学习和智能规划的行为识别方法.首先,利用深度残差网络对图像进行分类训练,然后使用递归神经网络对图像特征进行提取深度信息以增强分类效果;其次,运用智能规划的STRIPS(Stanford Research Institute Problem Solver)模型,将深度学习提取的图像特征命题信息转化为规划领域的模型描述文档,并使用前向状态空间搜索规划器推导出完整的行为动作序列.在HMDB51等行为识别公共数据集中,本方法与生成式对抗网络、深度卷积逆向图网络、深度信念网络、支持向量机等同类先进方法相比展现出更好的性能.

关 键 词：行为识别  深度学习  智能规划  深度残差网络  递归神经网络 STRIPS规划模型  前向状态空间搜索规划器  

分 类 号：TP302]