嵌入式端视频行为识别算法

论文摘要

视频行为识别在异常检测、人机交互、视频检索以及不良视频过滤等领域都有着广泛的应用前景,该任务的关键难点受限于场景以及执行者差异较大,视频质量低,行为姿态分布广,离线检测困难等问题。针对这些问题,从移动端或者嵌入式设备检测角度研究,即在计算力有限的设备中,给定视频序列,使其能够更加准确地检测和识别目标行为。提出两种优化算法,批处理和FIFO滚动,分别进行测试,比较其优缺点,在树莓派上适合批处理方法,英伟达jetson适用FIFO滚动预测。

论文目录

• 1 引言
• 2 行为识别主要研究方法
•   2.1 传统有监督特征提取方法
•     （1）时空关键点（space-time interest points）
•     （2）密集轨迹（dense-trajectories）[8]
•   2.2 深度学习[9]
• 3 3D ResNet用于人类行为识别
• 4 实验测试及结果
• 5 结语

文章来源

类型: 期刊论文

作者: 贾传令,雷程,贾得稳

关键词: 视频行为识别,嵌入式,批处理,滚动

来源: 电视技术 2019年14期

年度: 2019

分类: 信息科技

专业: 计算机软件及计算机应用

单位: 中北大学仪器科学与动态测试教育部重点实验室

基金: 山西省自然科学基金项目(201801D121157,201801D221203),高等学校科技创新项目(1810600108MZ)

分类号: TP391.41

DOI: 10.16280/j.videoe.2019.14.003

页码: 11-14+35

总页数: 5

文件大小: 3050K

下载量: 24