《表1 LRDCN算法动作误差矩阵(去除skip动作)》
如图4所示,LRDCN算法在人物动作识别精确度上优于上述6种算法。相对于其它算法,LRDCN算法的个人动作语义准确率较高。当进一步获得时间和空间上的人物运动轨迹后,依靠精准的人物追踪,LRDCN算法特征提取能力得到进一步增强。通过在RNN中引入GRU,可提高长视频序列动作识别精确度,避免梯度下降和梯度爆炸情况。在去除skip动作之后,得到的动作序列识别平均正确率为93.8%,如表1所示。由于跑步与走路的动作特征十分相似,加上之前动作序列干扰,算法容易将跑步动作误认为走路。
图表编号 | XD00207311800 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.15 |
作者 | 史佳成、陈志、胡宸、王仁杰、叶科淮 |
绘制单位 | 南京邮电大学计算机学院、南京邮电大学计算机学院、南京邮电大学通信与信息工程学院、南京邮电大学计算机学院、南京邮电大学计算机学院 |
更多格式 | 高清、无水印(增值服务) |