基于轻量化卷积神经网络的人体动作识别

作者：汪超; 刘思远; 郑慧; 卓智海^*

来源：北京信息科技大学学报(自然科学版), 2023, 38(03): 22-26.

DOI：10.16508/j.cnki.11-5866/n.2023.03.004

• 轻量化卷积神经网络
• 人体动作识别模型
• 准确率

针对传统卷积神经网络模型LeNet识别准确率低，占用内存大等问题，提出了一种基于轻量化卷积神经网络的人体动作识别模型(human activity recognition net, HARNet)。首先，利用MobileNetV2模型参数量和计算量小的特点，利用迁移学习方法，将预训练好的权重参数迁移到MobileNetV2模型中，最后添加全连接层构建了HARNet,实现了对日常行为动作的准确识别和分类。实验结果表明，该模型动作识别平均准确率可达89%,相比于传统卷积神经网络LeNet,准确率更高，且训练好的模型内存大小仅8.97 MB,验证了该模型的有效性。

• 单位
  北京信息科技大学; 北京理工大学