《表1 各种方法在MA-3D数据集上的实验结果比较》
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。
图表编号 | XD00122858900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.16 |
作者 | 吕洁、李洪奇、赵艳红、Sikandar Ali、刘艳芳 |
绘制单位 | 中国石油大学(北京)石油数据挖掘北京市重点实验室、中国石油大学(北京)信息科学与工程学院、中国石油大学(北京)石油数据挖掘北京市重点实验室、中国石油大学(北京)信息科学与工程学院、中国石油大学(北京)石油数据挖掘北京市重点实验室、中国石油大学(北京)信息科学与工程学院、中国石油大学(北京)石油数据挖掘北京市重点实验室、中国石油大学(北京)信息科学与工程学院、中国石油大学(北京)石油数据挖掘北京市重点实验室、中国石油大学(北京)信息科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |