基于骨架信息的人體行為識(shí)別研究
【文章頁(yè)數(shù)】:59 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖3基于人體骨架信息和深度學(xué)習(xí)的行為識(shí)別流程
本研究設(shè)計(jì)了基于人體骨架信息和深度學(xué)習(xí)的行為識(shí)別流程,如圖3所示。第一步,采集學(xué)生課堂行為數(shù)據(jù),具體包含7種學(xué)生課堂行為的圖像與標(biāo)簽。第二步,提取人體骨架信息,即利用OpenPose,獲取學(xué)生課堂行為圖像的人體骨架圖像信息——首先,有效排除學(xué)生的體態(tài)、穿著、教室背景等干擾因素;....
圖5兩種方法在學(xué)生課堂行為數(shù)據(jù)集上識(shí)別多種課堂行為的準(zhǔn)確率對(duì)比結(jié)果
在相同的實(shí)驗(yàn)條件下,經(jīng)過(guò)10次隨機(jī)實(shí)驗(yàn),本研究對(duì)比了CNN-10、學(xué)生課堂行為識(shí)別方法在學(xué)生課堂行為數(shù)據(jù)集上識(shí)別多種課堂行為的準(zhǔn)確率,結(jié)果如圖5所示。通過(guò)計(jì)算,本研究得出CNN-10的平均識(shí)別準(zhǔn)確率為93.65%,而學(xué)生課堂行為識(shí)別方法的平均識(shí)別準(zhǔn)確率為97.92%,可見(jiàn)這兩種方....
圖1-7深度學(xué)習(xí)CNN與LSTM融合學(xué)習(xí)過(guò)程
圖1-7深度學(xué)習(xí)CNN與LSTM融合學(xué)習(xí)過(guò)程[33]國(guó)內(nèi)外基于骨骼節(jié)點(diǎn)的人體動(dòng)作識(shí)別研究中,雖然有一些問(wèn)題還沒(méi)有完全解決,但不可否認(rèn)在對(duì)骨架數(shù)據(jù)的推理過(guò)程中,提供了一些非常方便的機(jī)會(huì)來(lái)研究更為成熟的框架,擴(kuò)大對(duì)人類姿態(tài)行為識(shí)別的理解[38],這種研究將顯著提高人體姿態(tài)....
圖4-1本文的姿態(tài)識(shí)別結(jié)構(gòu)框架
姿態(tài)識(shí)別研究中,2D彩色圖像存在難分割且缺乏空間信更多的傾向借助Kinect深度傳感器來(lái)解決這些問(wèn)題,該GB圖像和深度圖,以及人體骨架關(guān)節(jié)圖[49]。雖然在表示行然存在一些缺陷,但是相較于基于2D彩色圖像的識(shí)別方得到更好的特征表示,更有效地提取信息進(jìn)行行為分類研究設(shè)計(jì)一種....
本文編號(hào):3900326
本文鏈接:http://sikaile.net/kejilunwen/shengwushengchang/3900326.html