典型文献
基于MobileNetV2的人体姿势分类检测方法
文献摘要：
随着非接触检测技术的发展，如何实时监测人体姿势和识别分类，成为有效辅助患者进行康复治疗研究的热点与难点。针对卷积神经网络对人体姿态检测分类识别，提出基于MobileNetV2的人体姿势分类算法。首先采用毫米波雷达对人体目标回波进行提取、预处理、目标位置确定以及STFT时频处理，得到5种不同部位运动的散射时频图，并建立划分数据集，然后利用PyTorch框架搭建CNN与MobilenetV2模型对其进行深度学习，最终完成人体姿态的检测识别与分类。实验表明，该MobileNetV2模型分类算法结果准确率可达94.46%，有效提高了模型的识别能力和准确性。
文献关键词：
人体姿态识别; MobilNetV2; 图像分类; CNN; 深度学习
中图分类号：
作者姓名：
张彦博
作者机构：
华北理工大学 河北 唐山 063210
文献出处：
引用格式：
[1]张彦博-.基于MobileNetV2的人体姿势分类检测方法)[J].科技尚品,2022(12):110-112
A类：
MobilNetV2
B类：
MobileNetV2,人体姿势,分类检测,非接触检测,识别分类,康复治疗,治疗研究,姿态检测,检测分类,分类识别,分类算法,毫米波雷达,人体目标,回波,目标位置,位置确定,STFT,不同部位,时频图,划分数据集,PyTorch,框架搭建,MobilenetV2,检测识别,识别与分类,模型分类,识别能力,人体姿态识别,图像分类
AB值：
0.433725
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。
