典型文献
基于LSTM循环神经网络的人体骨架行为识别
文献摘要：
人体骨架行为识别研究旨在通过计算机自动识别一段骨架序列中的行为.近年来,机器学习的不断发展为人体骨架行为识别研究提供了可靠的技术手段.传统的机器学习技术简单地从人体骨架数据中提取特征,然后连接成单个特征向量,但是没有考虑到人体骨架数据中至关重要的时间动态信息.深度学习技术中的长短期记忆(Long Short Term Memory,LSTM)网络因其天然的长时序建模优势,可以很好地解决这个问题.为此,提出一种新的基于LSTM的人体骨架行为识别方法,将骨架关节点的三维位置信息作为浅层特征,输入到LSTM网络中提取深度特征并训练分类模型.实验结果表明,本文方法对MSRC-12数据集上的12种行为的平均分类识别率达到了 95.29％,验证了方法的有效性.
文献关键词：
行为识别;3D骨架;长短期记忆网络;深度学习
中图分类号：
作者姓名：
邱熙雯;胡文玉;何显文
作者机构：
赣南师范大学 数学与计算机科学学院 江西赣州 341000;赣南师范大学 信息与教育技术中心,江西赣州 341000
文献出处：
引用格式：
[1]邱熙雯;胡文玉;何显文-.基于LSTM循环神经网络的人体骨架行为识别)[J].赣南师范大学学报,2022(06):83-88
A类：
B类：
循环神经网络,行为识别,自动识别,骨架序列,机器学习技术,人体骨架数据,提取特征,连接成,成单,特征向量,时间动态,动态信息,深度学习技术,Long,Short,Term,Memory,长时序,时序建模,骨架关节点,三维位置,位置信息,深度特征,分类模型,MSRC,平均分,分类识别,识别率,长短期记忆网络
AB值：
0.365312
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。
