面向时空特征融合的GSTIN动作识别网络

来源：计算机应用研究杂志2021年第8期北京时间：

作者：李克文,张震涛,李素杰,雷永秀,

单位：1.中国石油大学(华东)计算机科学与技术学院,山东青岛266580；2.中国石化管道储运有限公司,江苏徐州221008；

摘要：视频动作识别是计算机视觉领域一个十分具有挑战性的课题，主要任务是利用深度学习等视频智能分析技术识别的深层信息推导出视频人体行为动作。通过结合双流卷积神经网络和三维卷积神经网络的结构特点，提出了一种面向时空特征融合的GSTIN（GoogLeNet based on spatio-temporal intergration network）。GSTIN中设计了时空特征融合模块InBST（inception blend spatio-temporal feature），提升网络对空间特征与时间特征的利用能力；在时空特征融合模块InBST基础上，构建了适合动作识别的多流网络结构。GSTIN在动作识别数据集UCF101、HMDB51上识别精度分别达到了93.8%和70.6%，这表明GSTIN与其他动作识别网络相比具有较好的识别性能。

关键词：深度学习,动作识别,双流卷积神经网络,三维卷积神经网络,时空特征融合,

基金资助：国家自然科学基金重大项目(51991361)；国家自然科学基金资助项目(61673396)；；