多聚点子空间下的时空信息融合及其在行为识别中的应用OA北大核心CSCDCSTPCD
基于深度序列的人体行为识别,一般通过提取特征图来提高识别精度,但这类特征图通常存在时序信息缺失的问题.针对上述问题,本文提出了一种新的深度图序列表示方式,即深度时空图(Depth space time maps,DSTM).DSTM降低了特征图的冗余度,弥补了时序信息缺失的问题.本文通过融合空间信息占优的深度运动图(Depth motion maps,DMM)与时序信息占优的DSTM,进行高精度的人体行为研究,并提出了多聚点子空间学习(Multi…查看全部>>
杨天金;侯振杰;李兴;梁久祯;宦娟;郑纪翔
常州大学计算机与人工智能学院阿里云大数据学院软件学院,常州213164常州大学计算机与人工智能学院阿里云大数据学院软件学院,常州213164 江苏省物联网移动互联技术工程重点实验室,淮安223003常州大学计算机与人工智能学院阿里云大数据学院软件学院,常州213164常州大学计算机与人工智能学院阿里云大数据学院软件学院,常州213164常州大学计算机与人工智能学院阿里云大数据学院软件学院,常州213164常州大学计算机与人工智能学院阿里云大数据学院软件学院,常州213164
计算机与自动化
行为识别信息融合深度时空图多聚点子空间学习
《自动化学报》 2022 (11)
P.2823-2835,13
国家自然科学基金(61803050,61063021)江苏省物联网移动互联技术工程重点实验室开放课题基金(JSWLW-2017-013)浙江省公益技术研究社会发展项目(2017C33223)资助。
评论