基于时序深度置信网络的在线人体动作识别
2016-08-11周风余尹建芹张海婷袁宪锋
自动化学报 2016年7期
周风余 尹建芹,2 杨 阳 张海婷 袁宪锋
基于时序深度置信网络的在线人体动作识别
周风余1尹建芹1,2杨阳1张海婷1袁宪锋1
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.
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
引用格式周风余,尹建芹,杨阳,张海婷,袁宪锋.基于时序深度置信网络的在线人体动作识别.自动化学报,2016,42(7): 1030-1039
人体动作识别在人机交互、机器人、智能家居、视频监控和体育运动分析等领域都有着巨大的应用需求[1],已成为机器视觉领域一个重要的研究方向.在过去的几十年中,由于受到技术条件的限制,国内外学者主要基于普通摄像机获取的人体动作视频开展动作识别研究,虽然在相关理论及方法上取得一定进展,但……
登录APP查看全文
