基于脉冲神经网络的人体动作识别

为了提高动作识别的速度和准确性,本文研究了从初级视觉皮层V1中提取特征表示人体动作的问题,提出了采用integrate and fire(I&F)脉冲神经元模拟V1阶段神经元的方法。通过对脉冲输出进行分析,取脉冲序列平均发放率的熵,作为表征人体动作的特征向量,送入分类器进行分类。经过在Weizmann数据库下的测试,试验结果表明,本文的方法比Esco-bar[1]的方法更加有效.     

模拟初级视皮层脉冲神经元的动作识别系统

大脑中致力于运动信息处理的区域是初级视皮层(V1)和中颞区(MT).目前有关运动模式是在哪个区域完成的,存在不同的推测.迄今大多数关于动作识别的研究都是围绕MT阶段展开的.本文针对V1阶段获得的信息能否进行动作识别的问题展开研究,提出了模拟初级视皮层(V1)脉冲神经元的动作识别系统.该系统首先采用3D Gabor滤波器及其组合分别模拟初级视觉皮层中简单、复杂细胞的感受野,以此对视频图像进行处理,从而获取对运动速度和方向敏感的运动能量,并通过V1阶段的环绕抑制来增强运动能量和降低噪声的影响.其次,采用Integrate-and-fire脉冲神经元模型模拟初级视觉皮层的神经元,将获取的运动信息转换为神经元响应的脉冲链.最后,根据脉冲链平均发放率的特性提取运动特征向量,采用支持向量机(Support vector machine, SVM)作为分类器.在Weiziman数据库下进行测试,实验结果表明, V1阶段获得的信息可以进行动作的识别.