为了识别独居老人的行为,选用NTURGB+D120数据集的23个医疗与日常行为类别的多场景视频作为数据集,并设计了一套高效特征融合策略。该策略改进了SlowFast网络的输入方式,使得改进后的网络能够同时处理输入的两个不同特征的图像序列,实...为了识别独居老人的行为,选用NTURGB+D120数据集的23个医疗与日常行为类别的多场景视频作为数据集,并设计了一套高效特征融合策略。该策略改进了SlowFast网络的输入方式,使得改进后的网络能够同时处理输入的两个不同特征的图像序列,实现向量上的合并融合。实验结果表明,将使用AlphaPose网络获取的骨骼信息嵌入在红、绿、蓝(Red Green Blue,RGB)与红外图像序列中,作为网络输入,并得到行为识别的Top-1准确率与Top-5准确率,分别为91.58%与90.00%,与RGB单特征输入的Slow Fast网络识别的准确率相比较为提升。展开更多
文摘为了识别独居老人的行为,选用NTURGB+D120数据集的23个医疗与日常行为类别的多场景视频作为数据集,并设计了一套高效特征融合策略。该策略改进了SlowFast网络的输入方式,使得改进后的网络能够同时处理输入的两个不同特征的图像序列,实现向量上的合并融合。实验结果表明,将使用AlphaPose网络获取的骨骼信息嵌入在红、绿、蓝(Red Green Blue,RGB)与红外图像序列中,作为网络输入,并得到行为识别的Top-1准确率与Top-5准确率,分别为91.58%与90.00%,与RGB单特征输入的Slow Fast网络识别的准确率相比较为提升。
