《表2 特征选择过程中坐姿行为识别的正确率》

  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MTCNN的坐姿行为识别》

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

在36个特征中，可能存在冗余和不相关的特征，特征选择能剔除冗余或不相关的特征，从而达到减少特征个数，提高模型精确度，减少运行时间的目的。采用有放回的方法，依次移除OORG，a、DisORG，a、DreORG，a、AreaORG，a、眼睛、鼻子、嘴巴、肩膀8个特征子集，观察各特征子集对识别率的影响，结果见表2。从表2的结果可知，移除不同特征子集，识别率产生上下波动。当移除DisORG，a和眼睛子集时，准确率明显下降，主要原因是在9类坐姿下，两个子集中的特征所包含的信息与当前学习任务相关性高，对坐姿行为变化的响应较为明显。而当移除DreORG，a、AreaORG，a、嘴巴和肩膀子集时，准确率只有小幅度下降，表明这4类特征子集对坐姿行为变化响应较小，如AreaORG，a特征子集对身体前倾和身体后仰两类坐姿表征能力较强；嘴巴和肩膀子集所包含的特征数量较少，对各类坐姿表征能力不强。当移除OORG，a和鼻子时，识别率小幅上升，分析原因是所有特征都是依据先验知识选取的，部分特征子集之间存在相关性，移除相关特征使得识别率提高。