面向嵌入式系统的人体行为识别

作者：伏娜娜; 刘大铭^*; 张恒博; 李譞洞

来源：激光与光电子学进展, 2022, 59(22): 212-219.

• 机器视觉
• 嵌入式系统
• Jetson Xavier NX
• OpenPose
• 行为识别
• 轻量级网络

为了在嵌入式平台上使人体行为识别网络达到实时效果，提出了一种基于轻量级OpenPose模型的人体行为识别方法。所提方法从人体的18个骨骼关键点角度出发，通过骨骼关键点的空间位置确定行为类型。首先通过轻量级OpenPose模型提取人体的18个骨骼关键点坐标信息，然后利用关键点的编码对人体的行为进行描述，最后利用分类器对获取的关键点坐标进行分类，从而识别出人体的行为状态，并将其移植到Jetson Xavier NX设备上，利用单目相机进行了测试。实验结果表明，所提方法在嵌入式开发板Jetson Xavier NX上能够快速、准确识别出行走、挥手、下蹲等人体的11类行为，平均识别准确率达到96.08%，检测速度达到了11 frame/s以上，相比于原模型，检测速度提升了177%。