基于多分支LSTM网络的行为识别

摘要

随着人体行为识别的普及,基于骨骼的动作识别引发了研究的热潮.行为识别任务主要在于用相匹配的网络模型识别出图像以及视频中所包含的人体行为,在智能监控等工业智能领域得到广泛的应用,其具有很高的研究价值.提取图像骨架数据的特征容易被外界环境等因素干扰,与此同时,由于骨架关节特征的分布不一致,直接序列建模容易丢失关节的关键信息,从而导致较差的行为识别模型性能.因此,我们提出了深度多分支LSTM网络模型,所提出的网络可更有效地学习骨架特征.和单独的LSTM网络相比,本文构建的网络在UTKinect和RGB两个数据集上取得了良好结果.