基于訓練圖CNN特征的識別算法

　　視頻人體動作識別一直是具有重要學術(shù)價值的研究領(lǐng)域。在傳統(tǒng)方法中，動作特征和軌跡特征效果最為優(yōu)秀，改進密集軌跡（ Improved Dense　Trajectories，IDT）特征在HMDB-51動作庫上就可以達到57. 2%的準確率，融合了IDT特征的組合特征可以在UCFI01動作庫上達到89. 62%的準確率。而只用了圖像RGB數(shù)據(jù)的空域卷積網(wǎng)絡(luò)模型僅能分別做到40. 5%和73. 0%。

　　為將卷積神經(jīng)網(wǎng)絡(luò)（ CNN）應(yīng)用到視頻理解中，提出一種基于訓練圖CNN特征的識別算法。利用圖像RGB數(shù)據(jù)識別視頻人體動作，使用現(xiàn)有的CNN模型從圖像中提取特征，并采用長短記憶單元的遞歸神經(jīng)網(wǎng)絡(luò)進行訓練分類，研究CNN模型和隱層的選擇、優(yōu)化、特征矢量化和降維。實驗結(jié)果表明，與使用圖像RGB數(shù)據(jù)注意力模型的算法和組合長短期記憶模型算法相比，該算法具有更高的準確率。