1 中国科学院 长春光学精密机械与物理研究所，吉林 长春 130033
2 中国科学院大学，北京 100049
针对基于人体骨架序列的动作识别存在的特征提取不充分、不全面及识别准确率不高的问题，本文提出了基于多分支特征和多尺度时空特征的动作识别模型。首先，利用多种算法的结合对原始数据进行了特征增强；其次，将多分支的特征输入形式改进为多分支的融合特征信息并分别输入到网络中，经过一定深度的网络模块后融合在一起；然后，构建多尺度的时空卷积模块作为网络的基本模块，用来提取多尺度的时空特征；最后，构建整体网络模型输出动作类别。实验结果表明，在NTU RGB-D 60数据集的两种划分标准Cross-subject和Cross-view上的识别准确率分别为89.6%和95.1%，在NTU RGB-D 120数据集的两种划分标准Cross-subject和Cross-setup上的识别准确率分别为84.1%和86.0%。与其他算法相对比，本文算法提取到了更为多样化、多尺度的动作特征，动作类别的识别准确率有一定的提升。
动作识别 多尺度特征 多分支特征 特征融合 action recognition multi-scale features multi-branch features feature fusion
1 长安大学电子与控制工程学院，陕西 西安 710064
2 广西新发展交通集团有限公司信息部，广西 南宁 530029
针对路面裂缝检测时裂缝的位置、形态的不确定性及裂缝特征与路面背景纹理的相似性等问题，提出了一种改进的多分支特征共享结构网络的裂缝图像分割算法。为了在减少计算参数冗余的同时提高检测精度，使用轻量化特征提取网络获取高层特征，采用多分支跳跃连接的方法提高通道间的信息利用。各分支融合全局卷积网络（GCN）模块和边界细化（BR）模块，提高了对裂缝边缘的分割性能和对裂缝区域内部分类的鲁棒性，利用循环残差卷积（RRC）模块，推动了对裂缝特征的累积。最后采用中轴法提取裂缝骨架，计算裂缝的形态参数，得到裂缝长度和宽度的相对误差分别为4.73%和5.21%。设计的多组对比实验结果表明，所提改进算法能够有效地提高对路面裂缝检测的精度和效率。
图像处理 语义分割 裂缝检测 裂缝参数计算 边界细化 多分支特征共享 激光与光电子学进展
2022, 59(12): 1215005
