一种基于深度ConvLSTM与双流融合网络的人体行为识别方法.pdf

本发明公开了一种基于深度ConvLSTM与双流融合网络的人体行为识别方法,属于计算机视觉和模式识别领域。技术方案如下:1.采用OpenCV提取视频帧和相应的光流特征图,空间流网络接收原始视频帧,时间流网络接收光流帧作为输入;2.双流CNN特征提取;3.采用Sum融合策略进行特征融合;4.将步骤3得到的特征描述在ConvLSTM的输出状态上执行一个全局平均池化,并应用到softmax层,完成特征序列分类。本发明解决了现有技术中存在的不能准确获取全面行为动作信息而导致识别不够准确的问题,提高了捕捉长期的视频时间信息能力以及全面获取行为动作信息的能力,进一步地提高了视频行为识别的准确率。