一种基于Gabor滤波器三维卷积神经网络模型的人体动作识别方法

摘要

本发明公开了一种基于Gabor滤波器三维卷积神经网络模型的人体动作识别方法，其核心内容为：将视频逐帧分解为图片，并将可完整表示出一个动作的相邻数帧合并在一起形成三维数据结构，以其作为神经网络的输入数据；神经网络采用三维卷积神经网络结构，并将其中的卷积核改为人工核Gabor滤波器；神经网络的训练过程为有监督学习，首先需要由标签的数据库作为训练数据进行训练，训练好的神经网络便可完成对人体动作的识别。本发明具有检测精度高、使用范围广等特点，可广泛应用于学校、街道等公共场景的视频信息处理。