基于GFU和分层LSTM的组群行为识别研究方法

王传旭; 薛豪

doi:10.3969/j.issn.0372-2112.2020.08.002

您当前的位置：

首页 >

文章列表页 >

基于GFU和分层LSTM的组群行为识别研究方法

学术论文 | 更新时间：2025-07-16

- 基于GFU和分层LSTM的组群行为识别研究方法
- Group Activity Recognition Based on GFU and Hierarchical LSTM
- 电子学报 2020年48卷第8期页码：1465-1471
- 作者机构：
  
  青岛科技大学信息科学技术学院,山东,青岛,266001
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.61672305）
- DOI：10.3969/j.issn.0372-2112.2020.08.002
  中图分类号： TP301.6
- 网络出版：2020-08-25，
  
  纸质出版：2020
- 稿件说明：
移动端阅览
王传旭, 薛豪. 基于GFU和分层LSTM的组群行为识别研究方法[J]. 电子学报, 2020,48(8):1465-1471.

WANG Chuan-xu, XUE Hao. Group Activity Recognition Based on GFU and Hierarchical LSTM[J]. Acta Electronica Sinica, 2020, 48(8): 1465-1471.
王传旭, 薛豪. 基于GFU和分层LSTM的组群行为识别研究方法[J]. 电子学报, 2020,48(8):1465-1471. DOI： 10.3969/j.issn.0372-2112.2020.08.002.

WANG Chuan-xu, XUE Hao. Group Activity Recognition Based on GFU and Hierarchical LSTM[J]. Acta Electronica Sinica, 2020, 48(8): 1465-1471. DOI： 10.3969/j.issn.0372-2112.2020.08.002.

摘要

提出一种以"关键人物"为核心，使用门控融合单元（GFU，Gated Fusion Unit）进行特征融合的组群行为识别框架，旨在解决两个问题：①组群行为信息冗余，重点关注关键人物行为特征，忽略无关人员对组群行为的影响；②组群内部交互行为复杂，使用GFU有效融合以关键人物为核心的交互特征，再通过LSTM时序建模成为表征能力更强的组群特征.最终，通过softmax分类器进行组群行为类别分类.该算法在排球数据集上取得了86.7%的平均识别率.

Abstract

This paper proposes a group behavior recognition framework with "key persons" as the core and Gated Fusing Unit (GFU) for feature fusion. Its aim is to solve the following two problems: 1) Group behavior information is redundant

focusing on key person behavior characteristics

ignoring the influence of unrelated personels on group behavior. 2)The internal interaction relationship is complex within group

GFU is used to effectively model interaction feature centered around the key characters and it is temporally evolved into the group characteristics via LSTM processing. Finally

the group behavior category is classified with Softmax. The algorithm achieves an average recognition rate of 86.7% on the volleyball dataset.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

深度学习框架下群组行为识别算法综述

基于多流架构与长短时记忆网络的组群行为识别方法研究