混合CNN-HMM的人体动作识别方法

摘要：

针对当前人体动作识别算法检测精度不佳和实验场景多样性的问题,提出了一种混合卷积神经网络?隐马尔可夫模型(CNN-HMM)的人体动作识别方法.建立了抬腿、深蹲和仰卧臀桥3组分别包含1个标准动作姿态和5个非标准动作姿态的人体康复训练动作模型库,结合可穿戴式惯性动作捕捉系统PN2.0获取实验数据.最后从准确率、灵敏度和特异性3个方面进行性能评估.实验结果表明,该方法能够以较高识别率将6种不同动作姿态区分开,其平均识别准确率为97.00％,相较于单一CNN方法提高了5.78％.

关键词：卷积神经网络、隐马尔可夫模型、人体动作识别、模式识别与智能系统、感知神经元

所属期刊栏目：51

分类号：TP391.4(计算技术、计算机技术)

资助基金：安徽省重点研究与开发计划项目;安徽省自然科学基金;安徽省留学人员创新项目

在线出版日期：2022-06-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：444-451