使用3DCNN和LSTM和双向LSTM进行早期动作预测-研究论文

【文件属性】：
文件名称：使用3DCNN和LSTM和双向LSTM进行早期动作预测-研究论文
文件大小：649KB
文件格式：PDF
更新时间：2021-05-20 14:46:17
3DCNN Bi-Directional LSTM LSTM Prediction 事前预测和识别可疑活动是非常有益的，因为它可以增强对视频监控摄像机的保护。 在执行之前检测和预测人类的动作具有多种用途，例如自动机器人，监视和医疗保健。 本文的主要重点是监视视频中人为行为的自动识别。 3DCNN（3维卷积神经网络）基于3D卷积，在那里捕获了多个相邻帧中编码的运动信息。 3DCNN与Long short team memory（LSTM）和双向LSTM相结合，可根据对视频流中事件的以往观察来预测异常事件。 可以看出，与带有双向LSTM的3DCNN相比，带有LSTM的3DCNN导致精度提高。 实验是在UCF犯罪数据集上进行的。