基于GAN的低质量视频中人体运动预测方法

刘芳; 关翔; 石祥滨

doi:10.16853/j.cnki.1009-3575.2025.03.010

内蒙古农业大学学报（自然科学版） ›› 2025, Vol. 46 ›› Issue (03) : 80 -85. DOI: 10.16853/j.cnki.1009-3575.2025.03.010

基于GAN的低质量视频中人体运动预测方法

刘芳, 关翔, 石祥滨

作者信息 +

Author information +

文章历史 +

摘要

回溯性循环生成对抗网络（RCGAN）对抖动或帧率不足的低质量视频中人体运动预测精度较低，训练时也存在复杂度有限导致的欠拟合问题。为减少抖动造成的影响，提出基于目标识别的人体运动信息提取方法，分离抖动视频中的有效人体运动画面。为增加帧率不足视频的信息含量，提出基于帧间相似性的连续性视频插帧策略，根据视频帧间相似性动态调整插帧数量，在减少插帧数量的同时提升了视频的整体连续性。为防止出现欠拟合情况，引入K-Means聚类方法对数据分类，使多个并列网络中的每个网络只负责特征相似的预测任务，降低学习负担，在控制时间复杂度的前提下提升训练效率。由于RCGAN中不同的时间序列在单一生成器上的训练会互相形成干扰，提出双生成器预测网络，进一步提升了预测精度。在UCF-101和HMDB数据集上的结果表明，本文提出的方法较RCGAN有明显提升。