《表1 识别结果对比：基于CNN的人体姿态识别》

  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CNN的人体姿态识别》

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

本文实验主要选取了5种人体姿态，通过对网络模型进行训练得出识别结果。从图8中可以看出模型最后的平均识别准确率在0.98左右，之后平均识别率没有明显提升。由此可见卷积神经网络在用于静态人体姿态识别中的优势十分明显，识别效果显著。表1列出了基于随机森林[20]和SVM[21-22]的识别结果。特别对于基于改进高斯核函数的姿态识别结果[23]，对比pose1（双手持平）和pose5（双手抱头）的识别结果，采用高斯核函数的识别效果为98%和96%，而本文所述的卷积网络识别pose1和pose5的识别率约为98.16%和97.42%，可见卷积网络模型在姿态识别上具有更优秀的表现。由于与其他识别方法的数据集和所选姿态不尽相同，故只能在平均识别率上进行比较，从平均识别率的结果得出，相比于使用随机森林与SVM等机器学习方法，不难发现本文网络的识别性能更加优秀。