《表4 D3D-18在MCFD数据集上的交叉验证结果》
为了充分显示D3D和3D-Resnet网络模型对跌倒识别的效果,表4、表5列出了18层的D3D和3D-Resnet进行5折交叉验证的结果。从表4、表5特异性、灵敏度和准确率的平均数据可以看出,D3D模型对跌倒识别的效果均超过了3D-Resnet,分别提升了0.101、0.167、0.117。说明改进后的残差网络增强了模型质量,降低了跌倒的误检率和漏检率,提高了跌倒的识别率。MCFD数据集的动作种类较多且较为复杂,本文改进的残差网络方法在MCFD数据集上得到了较大的提升,说明D3D模型解决了由于监控视角、人体姿态和场景等复杂情况下导致模型识别性能较低的问题。
图表编号 | XD00151458900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 王新文、谢林柏、彭力 |
绘制单位 | 物联网技术应用教育部工程研究中心(江南大学物联网工程学院)、物联网技术应用教育部工程研究中心(江南大学物联网工程学院)、物联网技术应用教育部工程研究中心(江南大学物联网工程学院) |
更多格式 | 高清、无水印(增值服务) |