基于深度卷积网络的红外图像人体姿态识别方法

作者：岳育蓉; 赵丹; 董璇; 郭姗姗; 崔少华^*; 单巍^*

来源：河北师范大学学报(自然科学版), 2023, 1-9.

DOI：10.13763/j.cnki.jhebnu.nse.202302026

• 改进型LeNet-5
• 红外图像
• 姿态识别
• 卷积神经网络
• 深度学习

针对传统红外图像行人姿态识别的问题,在经典LeNet-5模型的基础上,提出一种改进型LeNet-5的网络模型.网络设定输入红外图像尺寸为256×256×1,选取4层卷积计算加深网络深度,以Leaky ReLu为激活函数并加入Dropout层,最后以1×1卷积代替全连接,减小模型参数尺寸,防止过拟合.实验将改进型LeNet-5与经典LeNet-5模型进行比对,结果表明改进型LeNet-5效果最好.与流行的ShuffleNet,NasNet-mobile,EfficientNetb0和MobileNetV2算法进行对比,实验结果表明,本研究算法所得测试集的准确率达到97.5%,mean average precision,average recall和F1-score性能指标均优于对比算法.

• 单位
  淮北师范大学