计算机工程与科学

作者：牛为华, 翟瑞冰

单位：（1.华北电力大学计算机系，河北 保定 071003；2.华北电力大学复杂能源系统智能计算教育部工程研究中心，河北 保定 071003）

关键词：人体行为识别,3D卷积,3D ResNet网络,非对称卷积,UCF101数据集,

针对人体行为在视频中呈现的时序性特点，提出了一种融合非对称卷积和CBR模块的视频人体行为识别方法。该方法使用3D ResNet-50作为主干网络。首先，将网络中较大的卷积核拆分为2个非对称3D卷积核的串联，加深卷积层在水平和竖直方向上的局部关键特征提取；其次，加入了CBR模块，以增加网络层数。该网络对连续的视频帧序列进行图像和时序的多角度特征提取，并根据特征数据对其进行分类，最后输出识别结果。在基准数据集UCF101上的大量实验结果表明，所提方法的Top1准确率和Top5准确率与原始3D ResNet网络相比分别提升了4.03%和4.99%，且该方法的识别准确率也优于其他主流方法的识别准确率。

来源：2023年第10期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2023年第10期