基于深层动态特征双流网络的高效行为识别算法

来源：计算机应用与软件杂志2024年第9期北京时间：

作者：高庆吉, 徐达, 罗其俊, 邢志伟

摘要：为了更高效地获得视频中的行为信息，提出一种结合时域卷积与双流卷积网络的人体行为识别算法。利用多层时域卷积从视频获取动态信息，得到二维的深层动态特征；构建双流卷积网络并采用深层动态特征代替光流特征作为运动信息流的输入；加权融合双流结果，获得对行为的判定。在公开数据集UCF101、HMDB51与NTU-RGBD-60测试，最高准确率为94.2%、70.9%与89.1%(跨对象实验)。当与经典算法ECO（Efficient Convolutional Network）和TSM（Temporal Shift Module）准确率相近时，平均并行速度分别提高2.1倍和3.6倍。所研究算法提高了计算效率，更具有实用性。

关键词：计算机视觉, 行为识别, 双流卷积网络, 三维卷积