典型文献
基于轻量化二维人体姿态估计的小样本动作识别算法
文献摘要：
动作识别是近年来时序数据挖掘领域的研究热点,具有广泛的应用前景.但是现阶段基于深度学习的动作识别算法需要大量的标记训练数据集,存在泛化性差、实时性差、场景受限的问题.为解决这些问题,本研究设计一种基于轻量化二维人体姿态估计的小样本动作识别算法.该算法基于YOLOv5算法构建轻量化的人体检测器HYOLOv5.基于轻量化二维姿态估计模型Lite-HRNet设计人体姿态特征描述算子,有效地去除背景对人体动作特征的干扰.为有效度量时序人体姿态特征描述算子间的相似度,本研究提出基于动态时间规整的人体姿态特征距离度量,并在此基础上设计基于类别中心选择的动作模板匹配算法.该算法通过少量的动作视频构建动作特征模板库,利用动作模板匹配算法可实现多类动作视频的精准识别.为验证算法,本研究在COCO 2017的Humans数据集上对HYOLOv5进行测试,人体检测识别精度mAP@0.5:0.95可达50.7％.基于10种动作视频数据进行测试,结果表明,本研究所提算法可有效地识别视频序列中的姿态,在每个动作仅包含4个训练数据的情况下,动作识别准确率均可达到91.8％.
文献关键词：
时序数据挖掘;动作识别;人体目标检测;人体姿态估计;动态时间规整
中图分类号：
作者姓名：
尹继尧;周琳;李强;刘董经典
作者机构：
深圳市城市公共安全技术研究院,广东深圳 518046;中国矿业大学计算机科学与技术学院,江苏徐州 221116
文献出处：
引用格式：
[1]尹继尧;周琳;李强;刘董经典-.基于轻量化二维人体姿态估计的小样本动作识别算法)[J].广西科学,2022(04):700-707
A类：
HYOLOv5
B类：
二维人体姿态估计,小样本,动作识别,识别算法,来时,时序数据挖掘,训练数据集,泛化性,人体检测,检测器,Lite,HRNet,人体姿态特征,特征描述,动作特征,有效度,动态时间规整,距离度量,模板匹配算法,特征模板,模板库,精准识别,COCO,Humans,检测识别,识别精度,mAP,视频数据,视频序列,识别准确率,人体目标检测
AB值：
0.27241
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
