基于3D卷积神经网络的视频人体行为识别.pdf
《基于3D卷积神经网络的视频人体行为识别.pdf》由会员分享,可在线阅读,更多相关《基于3D卷积神经网络的视频人体行为识别.pdf(4页珍藏版)》请在咨信网上搜索。
1、2023 年第 7 期计算机与数字工程收稿日期:2023年1月11日,修回日期:2023年2月15日作者简介:林庆,男,教授,硕士生导师,研究方向:人工智能、数据挖掘与模式识别、图像识别与智能系统、数据库、数据仓库与决策支持、计算机应用技术。陈敏,女,硕士研究生,研究方向:深度学习、模式识别、行为识别。1引言随着人体行为识别在公共视频监控等的发展,人们对行为识别研究越来越深入20。深度学习算法比传统算法不仅自动提取特征,而且从输入到输出实现了端到端的飞跃。但是也有其不足,比如抓取时空信息时会受到环境的影响。2015年 Du Tran等提出了 C3D1模型,利用三维卷积在行为分类中得到了很好的性
2、能。本文在其基础上优化改进,提出了一种新的基于3D卷积神经网络的网络模型。2相关工作受到科技的制约,刚开始对视频特征的提取描述还是基于传统的手工提取。Lindeberg16通过将图像处理中的 Harris 角点检测算法扩展到 3D 形式,提出了时空兴趣点STIPs。SIFT和HOG还扩展到 SIFT-3D17和 HOG3D18进行视频行为识别。Wang等提出的IDT19方法是效果比较突出的方法了,其IDT描述符表明时间信号可以不同于空间信号处理,从视频帧中密集采样的特征点开始,使用光学流来进行跟踪,在每个跟踪器角,沿着轨迹来提取其特征。2014年在NIPS中提出的双流方法,则先对视总第 405
3、期2023 年第 7 期计算机与数字工程Computer&Digital EngineeringVol.51No.7基于 3D 卷积神经网络的视频人体行为识别林庆陈敏(江苏大学计算机科学与通信工程学院镇江212013)摘要基于视频的行为识别在我们的生活中有着至关重要的作用,比如智能家居、智能安防等。论文提出了一种新的基于3D卷积神经网络的深度学习的视频人体行为识别方法。该神经网络是将VGG-16网络扩展成3D形式,在此基础上加入残差块结构,在增加网络深度的时候能够减少训练误差,经过均值池化层后,输入到LSTM层,识别样本数据集中的各种行为。对比实验结果表明,该方法正确率达到了89.6%。关键词
4、行为识别;深度学习;卷积神经网络中图分类号TP751DOI:10.3969/j.issn.1672-9722.2023.07.034Video Human Behavior Recognition Based on 3D ConvolutionalNeural NetworkLIN QingCHEN Min(School of Computer Science and Communication Engineering,Jiangsu University,Zhenjiang212013)AbstractVideo-based behavior recognition plays a vita
5、l role in our life,such as intelligent home,intelligent security andother aspects.This paper proposes a new deep learning method of video human behavior recognition based on 3D convolutional neural network.The neural network is an extension of VGG-16 network into 3D form,on this basis,to join the re
6、sidual block structure,while increasing network depth can reduce the training error,and after a mean pooling layer,input to the LSTM layer,identification of various behavior of the sample data set.The comparative experimental results show that the accuracy of the method reaches89.6%.Key Wordsbehavio
7、r recognition,deep learning,convolutional neural networkClass NumberTP7511631第 51 卷频序列中每两帧计算密集光流,然后对视频图像和密集光流分别训练卷积模型,最后进行融合。随之出现了各种深度学习方法,如时域分段网络TSN、LSTM网络融合双流、C3D网络、基于ResNet的双流融合等。3基于3D卷积和ResNet学习3.13D卷积和池化采用2D卷积对视频的操作,没有考虑到时间维度的帧间运动信息。但是3D卷积能很好地捕获视频中的时空特征信息。在卷积神经网络中,我们还会用到池化操作来降低卷积层输出的特征向量,同时改善结果
8、。本文中主要采用的是最大池化操作。3D卷积神经网络通过 3D卷积和池化建模时间信息,卷积和池化操作都在时空上执行,且在每次卷积运算之后,能够保留输入信号的时间信息,从而产生输出。3.2ResNet残差连接网络的深度对于学习表达能力更强的特征是重要的。但随着网络深度的增加,基于随机梯度下降的网络训练过程中容易引发梯度消散/梯度爆炸。为了解决这个问题,可以使用BatchNorm、将激活函数换为ReLU等。但是随之而来又出现了模型退化的问题。针对模型退化,何凯明提出了 ResNet残差网络,其性能比传统网络模型更好。本文结合使用了一个简单的残差连接以及一种变形形式的残差连接。简单的残差连接结构如图1
9、所示。xweight layerF(x)ReLUweight layerF(x)+xReLUxidentity图1一个简单的残差连接yl=xl+F()xlWl(1)xl+1=f()yl(2)图1公式化在式(1)、(2)中,xl、xl+1表示第l层输入、输出,F表示残差结构学习,f代表激活函数ReLU。式(3)、(4)是从l到L的前向、反向传播过程,对于任何一层x的梯度,有两部分组成,第一部分是直接由L层直导l层,证明了其有效性;第二部分是由链式的累加组成的,缓解了梯度消散的问题。xL=xl+i=lL1F()xiWi(3)lossxl=lossxLxLxl=lossxL1+xli=lL1F()x
10、iWi(4)另一种在本文中使用的残差连接是一个变形形式,具体如图2所示。x1+ix1BNReLUweightBNReLUweightaddition图2加入BN的变形残差连接形式BN层是给数据一个固定的分布,经过别的操作会改变数据的分布,削减BN层的作用。因此在临近输入设置BN层会提升效果,BN层在卷积层之前会提升网络的泛化能力。3.3LSTM的分类识别应用LSTM2结构如图3所示。记忆细胞和三个门的激活情况如式(5)所示,xt、t代表在t时间段的输入、隐藏状态,it、ft、ct、ot代表输入门、遗忘门、记忆单元、输出门,Wij表示门i和j之间的权重矩阵,bi是门i的偏置项,是 Sigmoid
11、 函数,tanh是双曲正切函数。xtxtht-1ht-1itotInput GateOutput GateCellhtxtht-1ftht-1xtForget Gate图3LSTM结构林庆等:基于3D卷积神经网络的视频人体行为识别16322023 年第 7 期计算机与数字工程it=(Wxixt+Whitt-1+Wcict-1+bi)ft=(Wxfxt+Whftt-1+Wcfct-1+bf)ct=fttt-1+ittanh(Wxcxt+Whcct-1+bc)ot=(Wxoxt+Whott-1+Wcoct-1+bo)ht=ottanh(ct)(5)在本文中,我们将提取到的特征量输入到LSTM层中去
12、,再将 LSTM层的隐藏状态作为下一层的输入。文献 2 中发现两个堆叠的LSTM层的效果较好,我们也选择了两层LSTM。3.4时空特征学习本文的网络架构设置如图4所示,使用Adam5优化算法训练,其随机梯度下降保持着一个单一的学习率,用于权重的更新,在训练中的学习率不会改变。实验结果表明 Adam优于其它随机优化方法。333Conw,64333Conw,64333Conw,256333Conw,256333Conw,256333Conw,256pool,/2pool,/2333Conw,64333Conw,64333Conw,256333Conw,256333Conw,512333Conw,5
13、12pool,/2333Conw,64333Conw,64333Conw,128333Conw,128333Conw,512333Conw,512pool,/2333Conw,128333Conw,128333Conw,128333Conw,128avg pool1stm图4网络架构图4视频行为识别实验4.1数据集UCF101数据集有 101类别。对于数据集,将视频保持结构不变截取视频帧,再进行分割处理,随机生成3 1的训练集与测试集。4.2数据处理图像分类3中,在深度学习的训练时将图片的随机裁剪是普遍的数据扩充方法。这个裁剪并不仅仅是增强数据4,也是一个弱化数据噪声与增加模型稳定性的方法。在
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 卷积 神经网络 视频 人体 行为 识别
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。