基于深度学习的人体动作识别方法

针对人体动作深度视频的四维信息映射到二维空间后，动作分类容易发生混淆的问题，提出一种基于深度学习的人体动作识别方法。首先构建空间结构动态深度图，将深度视频的四维信息映射到二维空间，进行信息降维处理；然后提出基于联合代价函数的深度卷积神经网络，结合交叉熵损失函数与中心损失函数作为联合代价函数，指导卷积层学习到更具分辨力的深度特征，以进行更精确的分类。在MSRDailyActivity3D和SYSU 3D HOI两个数据集的实验结果表明，与现有方法相比，该方法识别率得到了较明显的提升，验证了其有效性和鲁棒性。该方法较好地解决了动作分类容易发生混淆的问题。