论文研究人体动作识别中基于HTM架构的时空特征提取方法.pdf

针对人体动作识别中时空特征提取问题，提出一种基于层次时间记忆（HTM）架构的深度学习模型，用来提取图像帧的时空特征。将图像帧构建成树型节点层次结构，在每一层中，通过欧氏距离分组来提取图像样本的空间特征，利用时间邻接矩阵提取样本的时间特征，利用置信传播方法将各层局部特征组进行汇总归类，得到整体特征组，作为该图像帧的时空特征。此外，在节点操作中引入张量代数，从而避免出现高维特征，将特征送入支持向量机（SVM）分类器进行识别分类。在MSRGesture3D和KTH动作数据库上的实验结果表明，提出的方法能够有效提取出高分类性能的时空特征，分类准确率高于其他几种较新的方法。