| 结合低秩分解与多流融合的行为识别方法 |
| |
| 引用本文： | 黄思翔,高陈强,陈旭,赵悦,杨烽.结合低秩分解与多流融合的行为识别方法[J].重庆邮电大学学报(自然科学版),2022,34(4):629-637. |
| |
| 作者姓名： | 黄思翔 高陈强 陈旭 赵悦 杨烽 |
| |
| 作者单位： | 重庆邮电大学 通信与信息工程学院, 重庆 400065;信号与信息处理重庆市重点实验室, 重庆 400065 |
| |
| 基金项目： | 国家自然科学基金(61571071, 61906025);重庆市科委自然科学基金(cstc2018jcyjAX0227, cstc2020jcyj-msxmX0835);重庆市教委科学技术研究项目(KJQN201900607, KJQN202000647) |
| |
| 摘 要： | 运动信息对行为识别任务至关重要。现有方法仅利用了局部运动信息，忽略了全局运动信息的重要作用。为解决该问题，提出了一种基于低秩分解与多流融合的行为识别方法。通过3条支路分别提取视频的特征，第1条支路利用低秩分解提取全局运动信息;第2条支路提取视频的光流特征以得到局部运动信息;第3条支路利用原始视频作为输入，以保留完整的空域信息。将3条支路的预测结果进行后融合，得到最终的行为识别结果。通过多流融合，充分利用视频的多尺度时域运动信息和丰富的空域信息，提高现有模型的行为识别能力。实验结果表明，提出的方法优于现有模型的多流融合行为识别方法。
|
| 关 键 词： | 行为识别 深度学习 低秩分解 多流融合 |
| 收稿时间： | 2021/2/21 0:00:00 |
| 修稿时间： | 2022/5/30 0:00:00 |
Action recognition method based on low rank decomposition and multi-flow fusion |
| |
| HUANG Sixiang,GAO Chenqiang,CHEN Xu,ZHAO Yue,YANG Feng.Action recognition method based on low rank decomposition and multi-flow fusion[J].Journal of Chongqing University of Posts and Telecommunications,2022,34(4):629-637. |
| |
| Authors: | HUANG Sixiang GAO Chenqiang CHEN Xu ZHAO Yue YANG Feng |
| |
| Institution: | School of Communication and Information Engineering, Chongqing University of Posts and Telecommunications, Chongqing 400065, P. R. China;Chongqing Key Laboratory of Signal and Information Processing, Chongqing 400065, P. R. China |
| |
| Abstract: | |
| |
| Keywords: | action recognition deep learning low rank decomposition multi-flow fusion |
|
| 点击此处可从《重庆邮电大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《重庆邮电大学学报(自然科学版)》下载免费的PDF全文 |
