人体动作数据编码与CNN精确识别

• 作者: 丁娟 张亮 李世银 胡青松
• 来源期刊: 电子科技大学学报
• 学科: 工学
• 关键词: 卷积神经网络 特征提取 人体动作识别 动作数据编码
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 计算机工程与应用
• 页码范围: 473-480
• 页数: 8页
• 分类号: TP391.1
• 字数: 5303字
• 语种: 中文
• DOI: 10.12178/1001-0548.2019108

摘要

人体动作的精确识别面临多方面的挑战,特别是动作采集易受光照强度的影响、动作特征描述不清楚和易物理变形.为了降低这些不利因素的影响,提高动作的识别精确度,该文从3个步骤展开研究:首先,对Kinect提取的人体关节数据进行预处理,从而克服光照问题;随后,使用针对性编码方法对人体动作数据进行编码,进而利用卷积神经网络(convolutional neural network,CNN)自动提取人体动作特征,解决动作特征描述的难题;最后,使用SoftMax完成复杂动作的识别.实验表明,该文算法具有较高的识别准确率和泛化能力,其F1值普遍在0.8以上;在单一属性测试中,复合属性数据比被复合的单一属性数据更有优势,F1值可达0.916;混合属性测试的F1值相比单一属性测试有所下降,下降幅度最高可达约25％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李世银	中国矿业大学信息与控制工程学院	83	838	14.0	26.0
2	胡青松	中国矿业大学信息与控制工程学院	32	253	7.0	15.0
3	丁娟	吉林大学珠海学院	5	6	1.0	2.0
4	张亮	中国矿业大学信息与控制工程学院	19	134	4.0	11.0