论文部分内容阅读
本文提出了一种视频监控系统的实时人体动作识别方法。该方法使用序列图像和卷积神经网络(CNN)来判断人类行为。卷积神经网络是一种深度学习模型,已在图像、视频处理等领域广泛应用,体现出较好的效果。本文提出了一种基于序列图像的卷积神经网络模型,用于实时人体行为识别。首先通过高斯混合模型提取出目标运动前景,通过梯度直方图(HOG)对人体进行识别,最后结合深度学习网络模型进行分类。实验数据使用ICVL人体行为数据集,分类平均精度为85.79%,该算法可以以每秒约20帧的速度运行。