10.11996/JG.j.2095-302X.2021020174
基于LSTM神经网络的人体动作识别
人体动作识别为人机合作提供了基础支撑,机器人通过对操作者动作进行识别和理解,可以提高制造系统的柔性和生产效率.针对人体动作识别问题,在三维骨架数据的基础上,对原始三维骨架数据进行平滑去噪处理以符合人体关节点运动的平滑规律;构建了由静态特征和动态特征组成的融合特征用来表征人体动作;引入了关键帧提取模型来提取人体动作序列中的关键帧以减少计算量;建立了以LSTM神经网络为基础的Bi-LSTM神经网络的人体动作分类模型,引入注意力机制以及Dropout进行人体动作分类识别,并对神经网络的主要参数采用正交试验法进行了参数优化;最后利用公开数据集进行动作识别实验.结果表明,该模型算法对人体动作具有较高的识别率.
动作识别、融合特征、LSTM神经网络、注意力机制、Dropout
42
TP391.4(计算技术、计算机技术)
国家自然科学基金项目;陕西省自然科学基础研究计划项目
2021-05-19(万方平台首次上网日期,不代表论文的发表时间)
共8页
174-181