文献类型：期刊文章

作　　者：钱银中[1] 沈一帆[2,3]

QIAN Yin-Zhong;SHEN Yi-Fan(School of Software,Changzhou College of Information Technology,Changzhou 213164;School of Computer Science,Fudan University,Shanghai 200433;Shanghai Key Laboratory of Intelligent Information Processing,Fudan University,Shanghai 200433)

机构地区：[1]常州信息职业技术学院软件学院,常州213164 [2]复旦大学计算机科学技术学院,上海200433 [3]复旦大学上海市智能信息处理重点实验室,上海200433

出　　处：《自动化学报》

基　　金：江苏高校品牌专业建设工程资助项目(PPZY2015A090);常州信息职业技术学院自然科学项目(CXZK201803Z)资助~~

年　　份：2019

卷　　号：45

期　　号：3

起止页码：626-636

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、MR、PUBMED、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：人体姿态是动作识别的重要语义线索,而CNN能够从图像中提取有很强判别能力的深度特征,本文从图像局部区域提取姿态特征,从整体图像中提取深度特征,探索两者在动作识别中的互补作用.首先介绍了一种姿态表示方法,每个肢体部件的姿态由描述该部件姿态的一组Poselet检测得分表示.为了抑制检测错误,设计了基于部件的模型作为检测上下文.为了从数量有限的数据集中训练CNN网络,本文使用了预训练和精细调节的方法.在两个数据集中的实验表明,本文介绍的姿态特征与深度特征混合使用,动作识别性能得到了极大提升.

关 键 词：动作识别  姿态特征  poselet  深度特征  

分 类 号：TP391.41]