融合人体骨架和姿势信息特征的轻量级人体动作识别方法 |
| |
引用本文: | 王振宇,向泽锐,支锦亦,叶浩航,丁铁成.融合人体骨架和姿势信息特征的轻量级人体动作识别方法[J].应用科技,2024(2):135-144. |
| |
作者姓名: | 王振宇 向泽锐 支锦亦 叶浩航 丁铁成 |
| |
作者单位: | 1. 西南交通大学设计艺术学院;2. 西南交通大学人机环境系统设计研究所 |
| |
基金项目: | 国家重点研发计划项目(2022YFB4301203);;教育部2022年第二批产学合作协同育人项目(220705329291641); |
| |
摘 要: | 针对人体动作识别任务中特征值选取不当导致识别率低、使用多模态数据导致训练成本高等问题,提出一种轻量级人体动作识别方法。首先使用OpenPose、PoseNet提取出人体骨架信息,使用BWT69CL传感器提取姿势信息;其次对数据进行预处理、特征融合,对人体动作进行深度学习分类识别;最后,为验证此方法的有效性,在公开数据集WISDM、UCIHAR、HASC和自建的人体动作数据集上进行实验验证,并使用改进的目标引导注意力机制(target-guided attention,TGA)–长短期记忆(long short term memory,LSTM)网络输出最终的分类结果。实验结果表明,在自建数据集下融合姿势和骨架特征达到99.87%准确率,相比于只使用姿势信息特征,识别准确率提高了约5.31个百分点;相比于只使用人体骨架特征,识别准确率提高了约1.87个百分点;在识别时间上相比于只使用姿势信息,识别时间降低了约29.73 s;相比于只使用人体骨架数据,识别时间降低了约9 s。使用该方法能及时有效地反映人体的运动意图,有助于提高人体动作和行为的识别准确率和训练效率。
|
关 键 词: | 人体骨架 姿势信息 轻量级 人体动作识别 目标引导注意力机制 数据集 多模态 特征提取 |
|