传统行为识别方法

流派思想：利用视频帧图像(spatial)和根据帧图像提取到的光流场图像(temporal flow)，各自训练出一个模型，在网络产生结果后，对网络做一个融合(Fusion)。这两个模型分别表示静态信息和短时序信息。它能有效解决从一张图就可以识别出行为的类别。

光流能通过速度提供物体的远近信息，远处似静止，近处似脱兔。此外，还能提供角度信息，与眼睛呈90°的物体运动最快，角度小到0°的时候感受不到它的运动。

方法首次在这篇文章中被提出来，他的原理是对视频序列中每两帧计算密集光流，得到密集光流序列(temporal信息)，然后对RGB图像(spatial)和密集光流(temporal)分别训练CNN模型。

两个分支的网络分别对动作进行判断，最后对两个网络的class score进行融合(fusion)，论文中fusion方法是直接平均和SVM方法，最终得到分类结果。

利用CNN网络对RGB图像和密集光流进行融合，效果提高了准确率。此外，该文章还将双流网络都换成VGG-16 network。

以上就是小编带给大家的如何操作的关键所在，如果觉得本经验对你们有帮助，请给小编我进行一点小小的支持。大家也可以下面发表一下自己的看法。

个人意见，仅供参考。