一种基于改进卷积神经网络的多人行为识别方法

摘要

本发明提供一种基于改进卷积神经网络的多人行为识别方法。首先用densesift算法对图片集进行特征提取，得到4*4*8个描述子；然后从sift特征提取的4*4*8个描述子中取其中一个方向的描述子(即每个块将取到4*4*1个描述子)，并将这些描述子按序组合成为一个二维图像，这样同一张图像就可以得到八张特征图像。最后将每张图片的八张特征图像作为八个通道同时输入卷积神经网络中进行训练。本发明充分考虑了多人情况下，人物角色的多样化，场景的复杂化，及其数据特征多维化的因素，可以较为精确的进行多人行为的识别。

主权项

一种基于改进卷积神经网络的多人行为识别方法，其特征在于，包括以下步骤：(1)从经过预处理的图库中构建训练数据集；(2)利用dense sift算法对数据集进行关键点提取；(3)将关键点组合成可用于训练的数据体；(4)利用卷积神经网络进行特征学习；(5)将测试集放入训练好的卷积神经网络中学习特征进行分类。