电讯技术

作者：吴进,李聪,徐一欢,闵育,安怡媛

单位：(西安邮电大学 电子工程学院，西安 710121)

关键词：计算机视觉；行为识别；三维卷积神经网络；门控循环单元；批量归一化；

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）

行为识别是计算机视觉研究一大热点，为了改善其计算量大、识别率低的问题，提出了一种基于三维卷积神经网络(3Dimension Convolutionnal Neural Network，3D-CNN)与门控循环单元网络(Gated Recurrent Unit，GRU)相融合的行为识别算法。该算法采用keras框架，首先对3D-CNN结构进行优化，采用把大的卷积核用若干个小的串联起来的Block结构；然后在每层卷积层后采用批量归一化处理，并添加Dropout层以提高网络泛化能力；最后与GRU网络融合，使用Softmax进行分类得出结果。实验结果表明，所设计的融合网络有较高的识别率，达到94.5%。

来源：2020年第4期

《电讯技术》期刊编辑部

查看电讯技术杂志2020年第4期