《表1 NTU RGB+D数据集上不同骨架输入的行为识别率》

  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

《基于残差独立循环神经网络的空间增强人体骨架行为识别》

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

为验证所提出的空间增强方法是否有效，在NTU RGB+D数据及上分别使用原始骨架关节三维坐标与空间增强后的关节信息输入Res-IndRNN网络，其结果如表1所示。与原始骨架关节点作为输入的模型相比，经过空间增强的模型关节识别率有明显的增加，证明所使用的增强骨架空间特性方法有利于加强模型的空间特征。图10显示了CV中经过空间增强后骨架行为识别率明显提升最多的类别，可见多数行为识别率都得到了改善，特别是涉及多关节联合作用的行为如穿鞋、梳头、踢东西、脱鞋等，这些复杂的行为类别都需要把握有效的空间信息才能有效地进行识别。