《表1 各种方法在MA-3D数据集上的实验结果比较》

  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

《基于关节空时特征融合的人体行为识别》

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

为了验证本文提出的空时融合特征的有效性和鲁棒性，我们分别在MA-3D和NTU-CV数据集上将其与利用OpenPose提取的原始数据进行对比，如图6和图7所示。根据特征可视化结果可以看出原始数据具有很大的相似性，区分力比较小。本文在MA-3D数据集上分别采用两种特征数据进行对比实验，发现基于空时融合特征的人体行为识别准确率更高，见表1。这是因为原始数据是由人体18个关键点位置信息组成的集合，而实际上在行为分类过程中使用的监督信息仅是一些核心关节点组成的子集，引入被不同行为所共有的特征数据会对实验造成干扰，降低行为间的区分度。与原始数据相比，空时融合特征数据突出了一个完整行为序列中的关键序列以及核心关节点集合，降低了数据冗余度的同时，提高了特征数据在不同类别间的辨识度。