文献类型：期刊文章

作　　者：吴潇颖[1] 李锐[1] 吴胜昔[1]

WU Xiao-ying;LI Rui;WU Sheng-xi(Key Laboratory of Advanced Control and Optimization for Chemical Processes of Ministry of Education,East China University of Science and Technology,Shanghai 200237,China)

机构地区：[1]华东理工大学化工过程先进控制和优化技术教育部重点实验室

出　　处：《计算机工程与设计》

基　　金：国家自然科学基金项目（61573144）;上海汽车工业科技发展基金项目（1837）

年　　份：2020

卷　　号：41

期　　号：2

起止页码：361-366

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对传统行为识别依赖手工提取特征,智能化程度不高,识别精度低的问题,提出一种基于3D骨骼数据的卷积神经网络(CNN)与双向长短期记忆网络(Bi-LSTM)的混合模型。使用3D骨骼数据作为网络输入,CNN提取每个时间步的3D输入数据间的空间特征,Bi-LSTM更深层地提取3D数据序列的时间特征。该混合模型自动提取特征完成分类,实现骨骼数据到识别结果的端对端学习。在UTKinect-Action3D标准数据集上,模型的识别率达到97.5%,在自制Kinect数据集上的准确率达到98.6%,实验结果表明,该网络有效提高了分类准确率,具备可用性和有效性。

关 键 词：行为识别  体感摄像机  骨骼 卷积神经网络 双向长短期记忆网络  

分 类 号：TP391.41]