《表1 本文方法与现有方法的比较》
本文采用基于Dense Net的三通道网络模型对沿着视线方向的动作进行识别,并融合光流、RGB和深度运动图等三种特征信息,在颇具挑战性的数据集UTD-MHAD上进行试验,其准确率为92.11%。由表1可知,通过融合时空深三通道的特征信息能取得更好的识别效果,它相比现有的STSDD识别方法,能将准确率提升近1个百分点,与文献中的其他6种方法相比较,准确率提高了1.96%~13.01%。此外,从该数据库上的混淆矩阵中(图6)可以看出,本文算法在许多动作下都取得了不错的识别效果,但“右手绘制x”、“右手绘制圆圈(顺时针)”和“右手绘制圆圈(逆时针)”等动作识别率相对偏低,其原因是这些动作具有较高的相似度,从而导致近0.2的误识别率。
图表编号 | XD00125564800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.10 |
作者 | 张健、张永辉、何京璇 |
绘制单位 | 海南大学、海南大学、海南大学 |
更多格式 | 高清、无水印(增值服务) |