摘要
针对当前深度学习模型对硬件计算能力要求较高,难以在机器人控制系统中实际应用等问题,以智能护理机器人为应用背景构建了一种轻量化的卷积神经网络模型。首先,模型采用两层卷积层对行为进行特征提取,减少网络层数对硬件系统计算能力的要求。其次,为了有效提取人体行为特征,在卷积神经网络模型中引入跨层结构,以融合高层特征信息与低层特征信息,提高模型的识别效果,并建立了根据老年人的行为方式采集的具有4种行为类别的数据集。通过试验对比其他高性能行为识别模型的准确率及计算模型自身的运行速度,证明了文中提出的方法在有效识别人体行为的前提下可以应用在运算能力较差的机器人硬件系统中,具有良好的实际应用价值。
-
单位机电工程学院; 河北工业大学; 天津渤海职业技术学院