论文部分内容阅读
为准确识别视频目标个体完整行为动作序列,增强视频行为识别精度,提出一种基于超限学习机的深度网络时间分组行为识别方法。首先按照人体行为关键姿态个数明确行为识别模型的状态数量,建立人体运动行为多尺度结构关联,把运动轨迹及边缘轮廓小波矩的不同尺度特征引入行为模型中,获取人体运动行为概略特征;其次利用视频分组稀疏抽样法,将视频分割成等时长分组,运用标准反向传播法优化模型参数,实现低成本视频级时间建模,并确保建模过程信息完整性;最后根据隐含层激活函数输出及对应输出层权重系数,得到灵敏度解析式,按照灵敏度参数对