《表1 模型各关键点准确度分析》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于多特征融合的舞蹈动作识别技术研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文采用PCK指标对于新算法的各关键点进行了评估，评估结果如表1所示。从表1中可知，头部的预测中，3种算法的PCK值都在95%以上。基于hourglass的算法PCK值最低为95.1%，本算法PCK值最高达到了96.2%。这说明，本方法在简单关键点的回归上也有一定地提高。在肩膀关键点中的预测也说明了算法对简单关键点的提高，本方法在肩膀关键点的PCK值相比基于hourglass的算法提高了1.4%。但是对于手腕与脚踝关键点，基于hourglass的算法的PCK值分别为79.8%与77.8%，基于FPN的算法的PCK值对于手腕略有提高，为80.2%，但对于脚踝略有下降，为77.4%。本算法加入了多特征融合模块，在加深特征提取的同时，融合了多路特征，使得提取特征语义更为丰富。本文算法对于手腕与脚踝的PCK值分别为81.6%与78.5%，相比于hourglass的方法提高了1.8%与0.7%，证明新算法有效提高了复杂关键点的预测。但另一方面，脚踝关键点只提高了0.7%，说明人体在2D图中遮挡隐藏的关键点检测难度极大。