科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对婴儿全身运动质量评估问题，基于姿势识别对婴儿运动特征进行提取与分析，提出基于ResNet和反卷积层的婴儿姿势热力图识别模型，平均识别率达到86.9%;利用婴儿的二维姿势坐标，建立基于DenseNet的3D人体姿势识别模型，使用1D卷积网络及1D连接层，实现婴儿的2D姿势坐标到3D姿势坐标的升维推算；使用四元数作为空间向量表示方式，对婴儿主要肢体运动的角度、角速度、角加速度进行提取，并提出基于支持向量机(support vector machine, SVM)的由婴儿肢体运动角度特征进行判定的婴儿异常行为识别模型。针对模型参数过多的问题，在保证模型整体识别率的情况下，使用主成分分析的方式对模型进行特征降维，提高整体识别速度，结果表明，将维度由18维度降低至8维度后，整体运行时间减少近50%,且对于不同的视频样品均能正确分类。
-
单位电子工程学院; 东华理工大学
