《表1 LRDCN算法动作误差矩阵（去除skip动作）》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于长效递归深度卷积网络的实时人物动作识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

如图4所示，LRDCN算法在人物动作识别精确度上优于上述6种算法。相对于其它算法，LRDCN算法的个人动作语义准确率较高。当进一步获得时间和空间上的人物运动轨迹后，依靠精准的人物追踪，LRDCN算法特征提取能力得到进一步增强。通过在RNN中引入GRU，可提高长视频序列动作识别精确度，避免梯度下降和梯度爆炸情况。在去除skip动作之后，得到的动作序列识别平均正确率为93.8%，如表1所示。由于跑步与走路的动作特征十分相似，加上之前动作序列干扰，算法容易将跑步动作误认为走路。