基于注意力机制的群组行为识别方法
【摘要】 在基于视频图像的群组行为识别方法中，传统的深度学习方法大多使用标准（最大/平均）池化操作对卷积特征进行处理，并且未考虑群组行为中的关键人物对群组行为分类的重要性。针对以上问题，本文提出一种基于注意力机制的模型来检测群组行为视频中的行为，重点关注活动中的关键人物，根据注意力权重的不同分配动态地对卷积特征进行池化，最终正确识别视频图像中的群组行为。此模型在群组行为数据集CAD（Collectiveactivitydataset）和CAE（Collectiveactivityextendeddataset）上的识别准确率优于许多使用标准池化结构的现有模型。
