面向助老行为识别的三维卷积神经网络设计

U461%TP308; 针对室内老人跌倒问题,提出一种室内人体跌倒行为识别方法.首先,提出基于卷积核分解与分组卷积的轻量化3D网络;之后融合浅层2D子网络与轻量化3D子网络,并采用随机滑动组合采样策略改进3D卷积行为识别网络.为进一步提高网络泛化性能,对视频帧进行视觉显著性检测,通过加强背景纹理与人物行为之间关联性提高真实场景识别准确度.实验结果表明:该网络参数量为6.9×106,时间复杂度降低至8.04×109;实现算法在室内跌倒行为识别任务上达到81.5％的准确度....

Full description

Saved in:
Bibliographic Details
Published in北京工业大学学报 Vol. 47; no. 6; pp. 589 - 597
Main Authors 李秀智, 张冉, 贾松敏
Format Journal Article
LanguageChinese
Published 北京工业大学信息学部,北京 100124 01.06.2021
数字社区教育部工程研究中心,北京 100124%北京工业大学信息学部,北京 100124
Subjects
行为识别
分组卷积
3D卷积神经网络
视觉显著性
卷积核分解
跌倒检测
Online AccessGet full text
ISSN0254-0037
DOI10.11936/bjutxb2020040005

Cover

More Information
Summary:U461%TP308; 针对室内老人跌倒问题,提出一种室内人体跌倒行为识别方法.首先,提出基于卷积核分解与分组卷积的轻量化3D网络;之后融合浅层2D子网络与轻量化3D子网络,并采用随机滑动组合采样策略改进3D卷积行为识别网络.为进一步提高网络泛化性能,对视频帧进行视觉显著性检测,通过加强背景纹理与人物行为之间关联性提高真实场景识别准确度.实验结果表明:该网络参数量为6.9×106,时间复杂度降低至8.04×109;实现算法在室内跌倒行为识别任务上达到81.5％的准确度.
ISSN:0254-0037
DOI:10.11936/bjutxb2020040005