基于DRN和Faster R-CNN融合模型的行为识别算法

来源：计算机应用研究杂志2019年第10期北京时间：

作者：杨楠,杨莘,杜能,

单位：武汉科技大学信息科学与工程学院,武汉430081；

摘要：针对传统单人行为识别算法易受行人形态多样性、背景和光照等影响的问题进行研究。基于扩张残差网络（DRN）的精准分类效果及目标检测网络Faster R-CNN在目标追踪方面的准确性，提出了一种DRN和Faster R-CNN的融合网络模型。该模型在Faster R-CNN中融入DRN的扩张卷积残差块代替原来的一般卷积层，并对融合模型进行了两方面的改进：在每一层前面添加一个batch normalization层；用三层扩张卷积残差块代替部分两层残差块。实验结果表明三种融合网络识别算法在Olympic sports dataset上较其他行为识别算法取得了更高的mAP。其中，包含三层扩张卷积残差块的融合模型识别性能最好，mAP达到78.9%。

关键词：行为识别,扩张残差网络,FasterR-CNN,

基金资助：国家自然科学基金资助项目(61502358)；；