《表2 基于自建数据库的BLS及CFBLS对比》

  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

《基于映射节点级联宽度学习的人体坐姿识别》

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

由图5可知，基于CFBLS的坐姿识别模型在视频上的平均识别率达79.21%，可有效识别8种坐姿并筛选过渡帧；但相较静态图像识别，对于连续的视频序列的识别还存在一定误差。由于在过渡帧检测过程中，人体前视图缺少结构性信息，一些动作间会容易出现误判。从混淆矩阵中可以看出不同动作被误判为过渡帧的概率较大，其中前倾和弯腰两个动作易被误判为过渡帧，主要原因是从正坐到弯腰的过程中，前倾本身属于过渡帧，容易误判；视频采集设备位于测试者正前方，当测试者由正坐向后仰时，实际变化不明显，导致正坐与后仰之间存在一定误差。左右托腮与过渡帧之间存在误差的原因是视频中测试者在左右托腮的过程中身体会出现左右摆动的情况，使得过渡帧检测存在一定的误判。为了进一步验证所提算法的性能，分别令BLS和CFBLS对视频进行识别，它们的平均识别率分别为73.71%、79.21%。可以看出，CFBLS的识别率明显优于BLS。