融合CNN与时空分离ViT的人体行为识别算法研究

目前在计算机视觉领域，视频行为识别技术已经取得了一定的发展，但仍有一定改进的空间。为解决当下行为识别领域的识别精度问题，提出一种融合CNN与时空分离ViT的网络模型，来提高行为分类识别的准确率。该模型主要将传统ViT模型的编码器结构演变为时间编码器和空间编码器，将时间和空间编码器串联提取视频特征后与CNN卷积所提取的特征进行融合来提高识别效果。实验的结果表明，融合CNN与时空分离ViT的网络模型在识别效果上具有一定的优越性，为人体行为识别算法设计提供了新思路。