基于T-Fusion的TFP3D人体行为识别算法
来源：计算机集成制造系统杂志2023年第12期北京时间：
作者：曾明如, 熊嘉豪, 祝琴
单位：1.南昌大学信息工程学院2.南昌大学公共政策与管理学院
摘要：针对当前人体行为识别算法中双流卷积神经网络时效性差、3D卷积神经网络参数多、算法的复杂度高等不足,提出了基于3D卷积网络和时空融合网络的时空融合伪3D卷积神经网络模型TFP3D。首先,使用3D卷积拆分减少3D卷积核带来的庞大参数量;其次,增加时空融合模块T-Fusion,保证人体行为信息时空特征的有效传递;最后,使用Kinetics数据集对深层模型进行预训练,在保证准确率的前提下提升网络速率。在常见的人体行为识别数据集UCFl01上进行了大量的实验分析,并将识别的结果和当前流行的算法进行比较,结果证明所设计的TFP3D优于其他方法,平均识别率相比其他方法有较大的提高。
关键词：TFP3D网络,时间融合网络,预训练,行为识别,深度学习
基金资助：国家自然科学基金资助项目(72164027,71563028);江西省科技厅资助项目(20202BAA208011);江西省高校人文社科基金资助项目(GL21120)。
