人体动作数据编码与CNN精确识别
人体动作的精确识别面临多方面的挑战,特别是动作采集易受光照强度的影响、动作特征描述不清楚和易物理变形.为了降低这些不利因素的影响,提高动作的识别精确度,该文从3个步骤展开研究:首先,对Kinect提取的人体关节数据进行预处理,从而克服光照问题;随后,使用针对性编码方法对人体动作数据进行编码,进而利用卷积神经网络(convolutional neural network,CNN)自动提取人体动作特征,解决动作特征描述的难题;最后,使用SoftMax完成复杂动作的识别.实验表明,该文算法具有较高的识别准确率和泛化能力,其F1值普遍在0.8以上;在单一属性测试中,复合属性数据比被复合的单一属性数据更有优势,F1值可达0.916;混合属性测试的F1值相比单一属性测试有所下降,下降幅度最高可达约25%.
卷积神经网络、特征提取、人体动作识别、动作数据编码
49
TP391.1(计算技术、计算机技术)
国家自然科学基金;江苏省科技成果转化专项资金
2020-06-09(万方平台首次上网日期,不代表论文的发表时间)
共8页
473-480