论文部分内容阅读
在行为识别过程中,提取视频关键帧可以有效减少视频索引的数据量,从而提高动作识别的准确性和实时性。为提高关键帧的代表性,提出一种关键帧序列优化方法,并在此基础上进行行为识别。首先根据3D人体骨架特征利用K-均值聚类算法提取人体运动视频序列中的关键帧,然后根据关键帧所在序列中的位置进行二次优化以提取最优关键帧,解决了传统方法中关键帧序列冗余等问题。最后根据最优关键帧利用卷积神经网络(CNN)分类器对行为视频进行识别。在Florence3D-Action数据库上的实验结果表明,该方法具有较高的识别率,并且