《表5 基于深度学习的人体姿态识别模型汇总》

  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

《超宽带雷达人体姿态识别综述》

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

表4为文献[42]介绍的在视觉领域的人体姿态识别公开的数据集，按复杂程度将人体活动类型划分为简单动作、交互行为、群体活动以及复杂事件。不难看出，视觉领域的人体姿态识别的数据集较为丰富，从简单动作到复杂的事件都有所涵盖，样本容量也都足够大，这就为视觉领域的人体姿态识别提供了很好的基础。相比视觉领域，基于UWB雷达的人体姿态识别的研究尚处于起步阶段，其公开的数据集较少。表5为文中提到的基于深度学习的人体姿态识别模型的汇总。同样可知，当前利用UWB雷达进行人体姿态识别的研究基本都是基于自测数据集。图6为视觉领域以及文中部分文献采用的数据样本量大小进行对比，可以很直观地得出：基于UWB雷达的人体姿态识别研究普遍存在样本量偏小的问题。而训练有效的深度神经网络需要大量的样本数据，样本量不足可能会导致训练深度网络时产生严重的过拟合问题。