典型文献
Grenander时间结构学习与推理优化下的行为识别
文献摘要：
针对现有基于视频整体时间结构建模的行为识别方法中, 存在的时间噪声信息和歧义信息干扰现象, 从而引起行为类别识别错误的问题, 提出一种新型的Grenander推理优化下时间图模型(temporal graph model with Grenander inference, TGM-GI). 首先, 构建3D CNN-LSTM模块, 其中3D CNN用于行为的动态特征提取, LSTM模块用于该特征的时间依赖关系优化. 其次, 在深度模块基础上, 利用Grenander理论构建了行为识别的时间图模型,并设计了两个模块分别处理慢行为时间冗余和异常行为干扰问题, 实现了时间噪声抑制下的时间结构提议. 随后,设计融合特征约束和语义约束的Grenander测度, 并提出一种时序增量形式的Viterbi算法, 修正了行为时间模式中的歧义信息. 最后, 采用基于动态时间规划的模式匹配方法, 完成了基于时间模式的行为识别任务. 在UCF101和Olympic Sports两个公认数据集上, 与现有多种基于深度学习的行为识别方法进行比较, 该方法获得了最好的行为识别正确率. 该方法优于基准的3D CNN-LSTM方法, 在UCF101数据集上识别精度提高6.41％, 在Olympic Sports数据集上识别精度提高5.67％.
文献关键词：
行为识别;时间模式;Grenander时间图模型;深度模型;动态时间规划
中图分类号：
作者姓名：
吴克伟;高涛;谢昭;郭文斌
作者机构：
大数据知识工程教育部重点实验室(合肥工业大学), 安徽 合肥 230601;情感计算与先进智能机器安徽省重点实验室(合肥工业大学), 安徽 合肥 230601;合肥工业大学 计算机与信息学院, 安徽 合肥 230601
文献出处：
引用格式：
[1]吴克伟;高涛;谢昭;郭文斌-.Grenander时间结构学习与推理优化下的行为识别)[J].软件学报,2022(05):1865-1879
A类：
Grenander,动态时间规划
B类：
时间结构,结构学习,行为识别,结构建模,声信,歧义,干扰现象,起行,行为类别,图模型,temporal,graph,model,inference,TGM,GI,动态特征提取,时间依赖,依赖关系,理论构建,别处,慢行,时间冗余,异常行为,干扰问题,噪声抑制,提议,设计融合,融合特征,特征约束,语义约束,Viterbi,时间模式,模式匹配,匹配方法,UCF101,Olympic,Sports,识别精度,深度模型
AB值：
0.416731
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
