毛 琳，陈思宇，杨大伟，张汝波

(大连民族大学 机电工程学院，辽宁 大连 116605)

动作分类是行为识别研究方向中一项重要的基础任务，对动作时序提名[1]、动作时序定位[2]、视频密集事件描述[3]等技术都有一定的贡献，大部分基于视频数据的学习任务都需要以动作分类技术[4]为基础进一步研究。当前动作分类方法主要有三种：运用视频信息与对应光流信息作为输入数据的双流网络；仅运用视频信息作为输入数据的3D卷积神经网络[5-6]；运用视频中人体骨骼关键点信息作为输入数据的卷积神经网络。本文提出的时域属性校正法针对仅运用视频信息作为输入数据的3D卷积神经网络展开。

动作视频中包含着多种属性：时域动作属性、静态空间属性、行人与背景的关联性、运动者自身的特点(衣着、身高、被遮挡与否)等。诸多学者发现，卷积神经网络(Convolutional Neural Networks，CNNs)中的卷积运算结构拥有的平移不变性特点为其带来优异的空间属性学习能力，却降低了网络模型对其他属性的注意力，限制模型对时域属性的学习能力[7]并影响动作特征中的时域稳健性。文献[8]指出训练完成的CNNs在对动作视频分类时，约半数的分类没有依据真实的运动轨迹，仅运用了视频中的空间信息来完成分类判决，该实验反映出CNNs在训练时对时域属性的注意力存在不足。文献[9]为了使网络模型不受限于视频中局部的空间外貌特征，针对视频数据设计了非局部网络结构，使模型对局部与非局部信息进行区分，学习到全局的动作信息，但网络结构的复杂性使得其模型参数量大幅度增加，不利于应用。……