《表2 在UTD-MHAD数据库上,现有方法与本文方法的识别率比较》
该数据库上的混淆矩阵如图9所示,可以看出本文算法在许多动作下取得不错的识别效果,但对于一些相似动作依然存在误识别,如“向左滑动”与“向右滑动”,“顺时针画圆”与“逆时针画圆”,其中“顺时针画圆”与“逆时针画圆”相识度较高,仅是两者运动方向的不同,导致两者存在0.13~0.25的误识别率。表1对比了不同输入流下对应的识别效果,其中利用轨迹跟踪算法得到的识别率为80.87%;利用VGG-16卷积神经网络训练DMM数据得到的识别率为91.13%;将上述两种输入流得到的特征串联一起输入到线性SVM分类器,得到识别率为92.67%。表2对比了其他识别方法在UTD-MHAD数据集的识别效果,相对于文献[2-3,20],本文算法分别提升了4.27%、1.47%和6.55%,主要原因是在计算DMM时引入了能量权重,并且从相机视角和采样速度上扩增DMM训练数据,同时融合深度视频序列中深度特征信息和RGB序列的动态运动信息。
图表编号 | XD00119694100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.01 |
作者 | 李元祥、谢林柏 |
绘制单位 | 江南大学物联网工程学院物联网应用技术教育部工程中心、江南大学物联网工程学院物联网应用技术教育部工程中心 |
更多格式 | 高清、无水印(增值服务) |