资料下载
×
基于双重残差卷积网络的跌倒识别方法
消耗积分:0 |
格式:pdf |
大小:5.70 MB |
2021-04-13
分享资料个
在异常行为嗌控中，由于嗌控视角、人体姿态和场景等复杂的情况，直接通过増加3D卷积神经网络层数来提取有效的视觉特征，容易导致卷积模型发生梯度消失和过拟合，从而降低了行为识别率。针对上述问题，提出了一种基于双重残差卷积网络的跌倒识别方法，通过在残差网络中嵌套残差网络，充分融合了浅层和深层视觉特征，缓解了模型训练时梯度消失问题带来的影响，从而使模型性能得到了提升。最后采用5折交叉验证方法在多相机跌倒数据集（MCFD）和热舒夫大学跌倒教据集（URFυ）上进行了测试评估，结果表明双重残差网络性能优于三维卷积网络（C3D）、三维残差网络（3D- Resnet）、伪三维残差网络（P3D）和2+1维残差网络（R（2+1）D）识别方法，从而验证了双重残差网络模型对提高异常行为识别效果的有效性。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
