论文部分内容阅读
提出一种改进的C3D 网络行为识别方法。该方法只保留一个全连接层并使用SVM 分类器对视频种类进行分类,同时进行L2 正则化,极大地提高了算法的运行速度,防止模型过拟合。将该方法运用于TX2 开发板搭配摄像头,来实现智能监控实时行为识别,在UCF101 数据集上的准确率可以达到85.5%,视频刷新速度达到30 帧/s,满足实时行为识别要求。通过对该模型进行实际应用场景测试,实验效果表明其具备实时行为识别能力。