摘要:传统卷积神经网络(CNN)只适用于灰度图像或彩色图像分通道的特征提取,忽视了通道问的空间依赖性,破坏了真实环境的颜色特征,从而影响人体行为识别的准确率。为了解决上述问题,提出一种基于四元数时空卷积神经网络(QST—CNN)的人体行为识别方法。首先,采用码本算法预处理样本集所有图像,提取图像中人体运动的关键区域;然后将彩色图像的四元数矩阵形式作为网络的输入,并将CNN的空间卷积层扩展为四元数空间卷积层,将彩色图像的红、绿、蓝通道看作一个整体进行动作空间特征的提取,并在时间卷积层提取相邻帧的动态信息;最后,比较QST.CNN、灰度单通道CNN(Gray—CNN)和RGB3通道CNN(3 Channel—CNN)3种方法的识别率。实验结果表明,所提方法优于其他流行方法,在Weizmann和UCFsports数据集分别取得了85.34%和80.2%的识别率。
关键词:四元数 卷积神经网络 码本 人体行为识别
单位:东北电力大学信息工程学院; 吉林132012
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社