| 基于CNN和LSTM混合模型的人体跌倒行为研究 |
| |
| 引用本文： | 厍向阳,苏学威.基于CNN和LSTM混合模型的人体跌倒行为研究[J].计算机应用研究,2019,36(12). |
| |
| 作者姓名： | 厍向阳 苏学威 |
| |
| 作者单位： | 西安科技大学 计算机科学与技术学院,西安科技大学 计算机科学与技术学院 |
| |
| 基金项目： | 陕西省自然科学基金研究项目(2017JM6105) |
| |
| 摘 要： | 目前深度学习模型不能较好地把监控视频中跌倒行为的空间和时序特征有效结合起来。为此，提出基于CNN（convolutional neural network）和LSTM（long-short term memory）混合模型的人体跌倒行为识别方法。该模型采用两层结构，将视频以每5帧为一组输入到网络中，CNN提取视频序列的空间特征，LSTM提取视频时间维度上的特征，最后使用softmax分类器进行识别。实验表明，该方法可以有效提高跌倒识别的准确率。
|
| 关 键 词： | 跌倒行为识别 卷积神经网络 长短期记忆网络 时间维度 |
| 收稿时间： | 2018/6/27 0:00:00 |
| 修稿时间： | 2019/10/31 0:00:00 |
Research on human fall behavior using CNN and LSTM-based hybrid model |
| |
| She Xiangyang and Su Xuewei.Research on human fall behavior using CNN and LSTM-based hybrid model[J].Application Research of Computers,2019,36(12). |
| |
| Authors: | She Xiangyang and Su Xuewei |
| |
| Affiliation: | College of Computer Science & Technology, Xi''an University of Science and Technology, |
| |
| Abstract: | The presented deep learning model cannot effectively combine the spatial and temporal characteristics of the fall behavior in surveillance videos. This paper proposed a method which combinated CNN and LSTM models for the study of human fall behavior. The model adopted a two-layer structure and put the video into the network every 5 frames. The CNN extracted the spatial features of the video sequence. The LSTM extracted the features of the video in the time dimension. Finally, the softmax classifier obtained the classification result. Experiments show that this method can effectively improve the accuracy of fall recognition. |
| |
| Keywords: | falling behavior recognition CNN LSTM time dimension |
|
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
