基于人体部件的视频行为识别方法研究

摘要

现有人体行为识别算法主要依赖于粗粒度的视频特征,但这些特征不足以有效描述人体行为的动作构成,从而降低了深度学习模型对易混淆行为的识别能力.该研究提出了一种基于人体部件的视频行为识别方法,通过学习人体细粒度部件的动作表示,自底向上地学习人体行为视频表征.该方法主要包含:(1)部件特征增强模块,用于增强基于图像的人体部件特征;(2)部件特征融合模块,用于融合人体各部件特征以形成人体特征;(3)人体特征增强模块,用于增强视频帧中所有人的人体特征.该方法在国际标准数据库UCF101和HMDB51上进行的实验验证结果显示,基于人体部件的视频行为识别方法与已有方法具有良好的互补性,可以有效提高人体行为识别精度.