Resumen

El reconocimiento de la acción humana es un tema de tendencia en el campo de la visión por ordenador y sus campos afines. El objetivo del reconocimiento de acciones humanas es identificar cualquier acción humana que tenga lugar en una imagen o un conjunto de datos de vídeo. Por ejemplo, las acciones incluyen caminar, correr, saltar, lanzar y mucho más. Las técnicas existentes de reconocimiento de acciones humanas tienen su propio conjunto de limitaciones cuando se trata de la precisión y la flexibilidad del modelo. Para superar estas limitaciones, se implementaron tecnologías de aprendizaje profundo. En el enfoque de aprendizaje profundo, un modelo aprende por sí mismo para mejorar su precisión de reconocimiento y evita problemas como la erupción del gradiente, el sobreajuste y el infraajuste. En este trabajo, proponemos una novedosa técnica de inicialización de parámetros utilizando la función de activación Maxout. En primer lugar, se detecta y rastrea la acción humana a partir del conjunto de datos de vídeo para aprender las características espacio-temporales. En segundo lugar, los descriptores de características extraídos se entrenan utilizando el RBM-NN. En tercer lugar, las características locales se codifican en características globales mediante un proceso integrado de propagación hacia delante y hacia atrás a través de RBM-NN. Por último, un clasificador SVM reconoce las acciones humanas en el conjunto de datos de vídeo. El análisis experimental realizado en varios conjuntos de datos de referencia mostró una tasa de reconocimiento mejorada en comparación con otros modelos de aprendizaje del estado del arte.

• Materias:Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Neurofisiología
• Subjects:Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Neurophysiology
• Palabras claves:reconocimiento de la acción humana, conjunto de datos de vídeo, acción humana, enfoque de aprendizaje profundo, campo de la informática, técnicas de inicialización de parámetros, modelo de aprendizaje de arte, proceso de propagación hacia atrás, descriptor de características extraído, tasa de reconocimiento mejorada
• Keywords:human action recognition, video dataset, human action, deep learning approach, field of computer, parameters initialization techniques, art learning model, backward propagation process, extracted features descriptor, improved recognition rate