188宝金博页面版

Computer Engineering and Applications计算机工程与应用 2018，54（4）1 引言近年来，计算机视频行为识别的研究发展迅速。传统的方法逐渐发展为基于深度学习的识别方法 [1] 。传统方法包括基于人体几何特征或运动信息特征和基于时空兴趣点的特征。基于人体几何特征如使用光流场或人体四肢关系 [2-4] 的特征提。硕畔⑻卣鞑捎迷硕芰 [5] 图像和运动历史图像 [6] 的特征提取等。基于时空兴趣点的如Harris3D时空兴趣点 [7] 、SURF3D时空兴趣点 [8]和HOG3D时空兴趣点 [4] 。深度学习方法中，采用CNN特征提取的识别方法识别率很高，如王忠民 [9] 等采用局部特征输入CNN中进行学习，最后通过Softmax分类器得到5种动作84.6%的识别率。Cheron [10] 等用单帧图像和光流，对人体极限姿势估计，采用了3个卷积层，2个下采样层和1个全连接层。Ji [11] 将图像帧连接起来，构成时间连续的行为，将传统2DCNN扩展为3DCNN，在2DCNN的基础上增加了时间多维度自适应3D卷积神经网络原子行为识别高大鹏，朱建刚GAO Dapeng, ZHU Jiangang中国民航飞行学院 计算机学院，四川 广汉 618307School of Computer, Civil Aviation Flight University of China, Guanghan, Sichuan 618307, ChinaGAO Dapeng, ZHU Jiangang. Atom action recognition by multi-dimensional adaptive 3D convolutional neural net-works. Computer Engineering and Applications, 2018, 54（4）：174-178.Abstract：Anovel action recognition algorithm is proposed for 3D Convolutional Neural Networks（3DCNN）’s disadvantagethat demands a fixed length for all video clips as the input data. This disadvantage makes lack of information or data redun-dancy situation because of the fixed size video clips. Firstly, human atom action is defined by human action particle trajectory.Then the length of video clips is defined by the length of human atom action. The divided video clips include unabridgedinformation for a human action. However, the length of these clips is different. There is a conflict for classification andidentification in 3DCNN, because 3DCNN needs the same length of input data. To solve the problem, 3D Spatial PyramidPooling（SPP）algorithm is improved for processing different length video data. 3D SPP, which is put before fully-connectedlayers in 3DCNN, outputs the same size representation vectors. This technology is compared with several related algorithmsin experiments. The experimental results show that there are two advantages in this technology: a lower requirement forinput data and higher recognition rate with a intact information in clips.Key words：action recognition; video analysis; 3D spatial pyramid pooling; atom action; 3D Convolutional Neural Networks摘 要：针对现有的3D卷积神经网络（3D Convolutional Neural Networks，3DCNN）行为识别算法将输入视频分块划分为固定长度，其包含的行为信息可能冗余或不全的问题，提出了解决方案。利用人体运动质点轨迹的特性定义了人体原子行为；以原子行为的长度作为视频分块的长度进行视频划分，得到包含完整信息的人体行为。3DCNN要求输入数据必须是相同维度，而原子行为视频块长度不同。为此改进了空间金字塔池化（3D Spatial Pyramid Pooling，3DSPP）技术，以适用于不同长度视频处理。把SPP层放置在全连接层前，处理3DCNN卷积层输出的不同长度特征图，以输出相同长度特征向量。与相关算法相比，实验数据说明该算法对输入数据要求更低，由于视频分块信息的完整性，识别率有显著提高。关键词：行为识别；视频分析；3D空间金字塔池化；原子行为；3D卷积神经网络文献标志码：A 中图分类号：TP181 doi：10.3778/j.issn.1002-8331.1707-0347基金项目：四川省188宝金博页面版厅科研项目（No.16ZB0032）。作者简介：高大鹏（1974—），男，副教授，博士研究生，CCF会员，研究方向为图形图像、机器学习、虚拟现实、计算机仿真，E-mail：gaodap001@163.com；朱建刚（1972—），男，讲师，研究方向为并行计算，机器学习。收稿日期：2017-07-21 修回日期：2017-09-10 文章编号：1002-8331（2018）04-0174-05174