典型文献
基于多尺度多分支特征的动作识别
文献摘要：
针对基于人体骨架序列的动作识别存在的特征提取不充分、不全面及识别准确率不高的问题,本文提出了基于多分支特征和多尺度时空特征的动作识别模型.首先,利用多种算法的结合对原始数据进行了特征增强;其次,将多分支的特征输入形式改进为多分支的融合特征信息并分别输入到网络中,经过一定深度的网络模块后融合在一起;然后,构建多尺度的时空卷积模块作为网络的基本模块,用来提取多尺度的时空特征;最后,构建整体网络模型输出动作类别.实验结果表明,在NTU RGB-D 60数据集的两种划分标准Cross-subject和Cross-view上的识别准确率分别为89.6％和95.1％,在NTU RGB-D 120数据集的两种划分标准Cross-subject和Cross-setup上的识别准确率分别为84.1％和86.0％.与其他算法相对比,本文算法提取到了更为多样化、多尺度的动作特征,动作类别的识别准确率有一定的提升.
文献关键词：
动作识别;多尺度特征;多分支特征;特征融合
中图分类号：
作者姓名：
张磊;韩广良
作者机构：
中国科学院长春光学精密机械与物理研究所,吉林长春130033;中国科学院大学,北京100049
文献出处：
引用格式：
[1]张磊;韩广良-.基于多尺度多分支特征的动作识别)[J].液晶与显示,2022(12):1614-1625
A类：
多分支特征
B类：
动作识别,人体骨架,骨架序列,别存,识别准确率,多尺度时空,时空特征,识别模型,原始数据,特征增强,融合特征,特征信息,别输,定深,合在一起,卷积模块,模型输出,出动,动作类,NTU,RGB,划分标准,Cross,subject,view,setup,取到,动作特征,多尺度特征,特征融合
AB值：
0.360742
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
