基于四元数时空卷积神经网络的人体行为识别.pdf

基于四元数时空卷积神经网络的人体行为识别.pdf,传统卷积神经网络（CNN）只适用于灰度图像或彩色图像分通道的特征提取，忽视了通道间的空间依赖性，破坏了真实环境的颜色特征，从而影响人体行为识别的准确率。为了解决上述问题，提出一种基于四元数时空卷积神经网络(QST CNN)的人体行为识别方法。首先，采用码本算法预处理样本集所有图像，提取图像中人体运动的关键区域;然后将彩色图像的四元数矩阵形式作为网络的输入，并将CNN的空间卷积层扩展为四元数空间卷积层，将彩色图像的红、绿、蓝通道看作一个整体进行动作空间特征的提取，并在时间卷积层提取相邻帧的动态信息；最后，比较QST CNN、灰度单通道CNN（Gray CNN)和RGB 3通道CNN(3Channel CNN)3种方法的识别率。实验结果表明，所提方法优于其他流行方法，在Weizmann 和 UCF sports 数据集分别取得了85.34% 和80.2%的识别率。