计算机集成制造系统 ›› 2023, Vol. 29 ›› Issue (12): 4032-4039.DOI: 10.13196/j.cims.2022.0081
曾明如1,熊嘉豪1,祝琴1,2+
ZENG Mingru1,XIONG Jiahao1,ZHU Qin1,2+
摘要: 针对当前人体行为识别算法中双流卷积神经网络时效性差、3D卷积神经网络参数多、算法的复杂度高等不足,提出了基于3D卷积网络和时空融合网络的时空融合伪3D卷积神经网络模型TFP3D。首先,使用3D卷积拆分减少3D卷积核带来的庞大参数量;其次,增加时空融合模块T-Fusion,保证人体行为信息时空特征的有效传递;最后,使用Kinetics数据集对深层模型进行预训练,在保证准确率的前提下提升网络速率。在常见的人体行为识别数据集UCFl01上进行了大量的实验分析,并将识别的结果和当前流行的算法进行比较,结果证明所设计的TFP3D优于其他方法,平均识别率相比其他方法有较大的提高。
中图分类号: