《表1 识别结果对比:基于CNN的人体姿态识别》
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。
图表编号 | XD0036259000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.01 |
作者 | 周义凯、王宇、赵勇飞、袁燕 |
绘制单位 | 河海大学计算机与信息学院、河海大学计算机与信息学院、河海大学计算机与信息学院、河海大学计算机与信息学院 |
更多格式 | 高清、无水印(增值服务) |