健身动作智能识别的长短期记忆网络模型研究

摘要：

健身APP所提方案仅仅是视觉表观下的健身动作,不能反馈健身者的动作不足,为此,研究一种适用于健身动作智能识别的算法模型非常必要.基于研究目标,结合长短期记忆网络模型(Long Short Term Memory,LSTM)对时间序列信息处理的优势,改进设计对人体结构化信息的骨骼数据处理及多层级LSTM动作识别网络,选取一维CNN模型基于人体结构化信息的骨骼数据处理方法来做图像的特征提取,对原始数据进行相关处理,利用LSTM来生成描述.研究结果表明:基于人体结构化信息的骨骼数据处理方法对动作中的空间特征进行较为准确提取,在很大程度上提高了算法的鲁棒性和识别精度;该项研究提出的对人体结构化信息的骨骼数据处理及多层级LSTM动作识别网络用于动作识别,该方法使得动作识别的整体性能在很大程度上得到提升,最终应用于实践,实现健身动作智能识别的长短期记忆网络模型的研究.

关键词：序列图像、动作识别、长短期记忆网络、骨骼特征

所属期刊栏目：44

分类号：TP183;TP391.4(自动化基础理论)

资助基金：国家自然科学基金;河北省教育厅科技项目;华北理工大学研究生教育教学改革重点项目

在线出版日期：2022-05-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：114-120