TY -的A2 Fiaidhi济南盟- Lu, Chengkun PY - 2021 DA - 2021/11/09 TI - Multifeature融合人类运动行为识别算法使用深强化学习SP - 2199930六世- 2021 AB -通过人体运动信息的识别和分析,可以获得人体的实际运动状态。然而,multifeature融合识别的准确性和鲁棒性的人类行为有一定的局限性。结合强化学习,multifeature融合人类行为识别是研究人类行为,我们提出了一个multifeature融合识别算法利用强化学习。首先,选择几种典型人类行为数据集的研究数据基准数据集。在选定的数据集,行为类别包含在每个视频是一样的行为,有类别标记。其次,注意模型。在强化学习网络,小采样区域作为模型的输入。最后,估计下一个视觉区域的相应位置后根据时间序列的信息输入。人类行为识别算法基于深度强化学习multifeature融合完成。结果表明,平均multifeature融合算法的精度约为95%,人类行为识别效果好,识别准确率高达98%,通过摄像机运动影响性能测试和算法的鲁棒性,并且算法的平均时间消费只有12.7,这表明,该算法具有非常广阔的应用前景。SN - 1574 - 017 - 2021/2199930 / 10.1155 x你——https://doi.org/10.1155/2021/2199930——摩根富林明-移动信息系统PB - Hindawi KW - ER