基于改进GoogLeNet网络的时空双流乒乓球动作识别

张傲 于洪霞

摘要：针对乒乓球运动视频中人体动作具有连续性，需要有效地提取时间维度上的运动信息，提出了基于改进的GoogLeNet作为基础网络框架，搭建了时空双流卷积神经网络进行乒乓球动作识别。对GoogLeNet网络进行内部参数优化和网络结构改进。该方法以RGB图像作为空间网络的输入，光流图作为时间网络输入，选择加权的特征融合方式在分类层进行时空特征融合。在UCF101中的乒乓球动作视频以及自制数据集上进行实验，通过实验表明，本文提出的乒乓球动作识别方法最终识别准确率可以达到98.88%，该方法提高模型的训练速度同时提高了模型的识别能力的。

关键词：人体动作识别;GoogleNet网络;双流网络

中图分类号：TP311    文献标识码：A

文章编号：1009-3044（2021）33-0078-03

开放科学（资源服务）标识码（OSID）：

1 引言

随着深度学习技术的日益成熟，基于深度学习的人体动作识别广泛受到国内外研究学者的关注。运动类视频中的技术动作检测是计算机视觉领域在体育方面的重要应用，其中乒乓球运动其技术特点鲜明，对于单个人体动作技术识别分类具有显著优势。通过运动视频中对双方运动员动作技术的识别分类，对运动员技术分析和战术安排有着重要作用。因此基于深度学习的乒乓球人体动作识别有着重要研究意义和应用价值。

乒乓球运动的动作识别其本质属于人体动作识别分类范畴。卷积神经网络被引入到视频领域进行动作识别。2014年，Karenx[1]等人首次提出了基于双流神经网络的人体动作识别方法，在ImageNet来进行预训练，利用RGB单帧和光流图训练双流网络，最后融合进行动作识别。……