基于骨架关键点的车内异常行为识别方法
针对现有异常行为识别方法在车内场景应用少,并且受车内空间狭小、异常行为复杂多变等影响导致识别有效性差等问题.在Alpha pose模型提取驾乘人员骨架关键点基础上,构建驾乘人员人体坐姿模型,采用关键点位置信息描述异常状态,最后利用概率学习模型将位置信息转换为概率对行为进行识别分类.经实验测试,该方法对车内前排人员异常行为的识别准确率能够达到90%以上,且具有一定的实用价值.
Alpha pose、坐姿骨架关键点、概率学习模型、车内异常行为识别
39
TP391.4(计算技术、计算机技术)
国家自然科学基金资助项目;山西省自然科学基金资助项目;山西省研究生创新项目资助
2021-05-07(万方平台首次上网日期,不代表论文的发表时间)
共6页
10-15