典型文献
基于低分辨率红外传感器的深度学习动作识别方法
文献摘要：
近年来动作识别成为计算机视觉领域的研究热点,不同于针对视频图像进行的研究,本文针对低分辨率红外传感器采集到的温度数据,提出了一种基于此类红外传感器的双流卷积神经网络动作识别方法.空间和时间数据分别以原始温度值的形式同时输入改进的双流卷积神经网络中,最终将空间流网络和时间流网络的概率矢量进行加权融合,得到最终的动作类别.实验结果表明,在手动采集的数据集上,平均识别准确率可达到98.2％,其中弯腰、摔倒和行走动作的识别准确率均达99％,可以有效地对其进行识别.
文献关键词：
动作识别;双流卷积神经网络;低分辨率红外传感器;深度学习
中图分类号：
作者姓名：
张昱彤;翟旭平;聂宏
作者机构：
上海大学 特种光纤与光接入网重点实验室,上海 200444;美国北爱荷华大学 技术系,爱荷华州 锡达福尔斯市
文献出处：
引用格式：
[1]张昱彤;翟旭平;聂宏-.基于低分辨率红外传感器的深度学习动作识别方法)[J].红外技术,2022(03):286-293
A类：
低分辨率红外传感器
B类：
动作识别,别成,计算机视觉,对视,视频图像,温度数据,双流卷积神经网络,空间和时,终将,流网,加权融合,动作类,识别准确率,弯腰,摔倒,走动
AB值：
0.1973
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。
