跌倒异常行为的双重残差网络识别方法

查看全文 作　　者：[1]王新文 [1]谢林柏 [1]彭力索引

机构地区：[1]物联网技术应用教育部工程研究中心(江南大学物联网工程学院),江苏无锡214122

出　　处：《计算机科学与探索》索引2020年第14卷第9期,共10页

基　　金：国家自然科学基金(No.61876073);教育部-中国移动科研基金项目(No.MCM20170204). 摘　　要：在异常行为监控中,由于监控视角、人体姿态和场景等复杂的情况,直接通过增加3D卷积神经网络层数来提取有效的视觉特征,容易导致卷积模型发生梯度消失和过拟合,从而降低了行为识别率。针对上述问题,提出了一种基于双重残差卷积网络的跌倒识别方法,通过在残差网络中嵌套残差网络,充分融合了浅层和深层视觉特征,缓解了模型训练时梯度消失问题带来的影响,从而使模型性能得到了提升。最后采用5折交叉验证方法在多相机跌倒数据集(MCFD)和热舒夫大学跌倒数据集(URFD)上进行了测试评估,结果表明双重残差网络性能优于三维卷积网络(C3D)、三维残差网络(3D-Resnet)、伪三维残差网络(P3D)和2+1维残差网络(R(2+1)D)识别方法,从而验证了双重残差网络模型对提高异常行为识别效果的有效性。 关键词：跌倒识别残差网络梯度消失行为识别

相关文献

参考文献（20）
引证文献（15）
耦合文献（42）

参考文献(20)

引证文献(15)

耦合文献(42)

互联网出版许可证新出网证(渝)字10号全国400电话 - 免长途话费

跌倒异常行为的双重残差网络识别方法

参考文献(20)

引证文献(15)

耦合文献(42)

用户提示