基于视频的人体状态快速识别方法研究

• 作者: 桑康西 祝凯 刘振宇 朱文印 王和龙
• 来源期刊: 青岛大学学报（自然科学版）
• 学科: 工学
• 关键词: 人体状态识别 RGB视频 卷积神经网络 MobileNetV2
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 计算机与控制工程
• 页码范围: 40-45
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1037.2021.02.08

摘要

识别人体状态与理解人类情感是家电智能化的最终目的,人体许多日常行为并不携带明显的状态信息和情感倾向,而诸如跌倒、打哈欠、腰痛等出现频率较低却包含丰富的人体状态信息.以带有一定情感倾向或意图的人体状态为研究对象,从公开数据集中筛选出9种带有人体状态信息的典型行为,考虑到家居环境下实时产生的原始视频数据量庞大、存在特征冗余,提出用相邻视频帧做减法得到的RGB连续差分图像序列作为输入,鉴于样本少,使用常规大型网络容易过拟合,因此采用最新的轻量级网络模型MobileNetV2,极大减少训练参数量,进而实现快速有效的人体状态识别.研究结果表明,本方法能够达到较高的准确率,基本可以满足家居环境下的人体状态检测要求.