电讯技术

作者：吴进,李聪,梁爽,闵育,吴汉宁

单位：(西安邮电大学 电子工程学院，西安 710121)

关键词：行为识别；深度学习；三维卷积神经网络；批量归一化；视觉几何组；

基金：国家自然科学基金资助项目（61772417，61834005，61802304，61634004，61602377）；陕西省重点研发计划（2017GY-060）；陕西省自然科学基础研究计划项目（2018JM4018）

针对当前人体行为识别准确率低、计算量大等缺陷，提出了一种基于三维卷积神经网络（3D Convolutionnal Neural Network，3D-CNN）结合批量归一化（Batch Normalization，BN）及改进的视觉几何组(Visual Geometry Group,VGG)网络的行为识别算法。该算法首先对3D-CNN结构进行优化，在三维空间采用了多个小卷积核卷积层堆叠的Block结构；同时在网络结构中引入BN算法，将卷积层输出的特征图每一维进行独立的批量归一化处理；之后在Block结构中增加了Dropout层以提高网络泛化能力以及将3D-CNN网络层数加深到了13层，提高了高层次抽象特征的提取能力；最终使用softmax进行分类得出结果。实验结果表明所设计的3D-BN-VGG网络在行为识别方面有较高的识别率。?

来源：2019年第11期

《电讯技术》期刊编辑部

查看电讯技术杂志2019年第11期