科研之友
微信
新浪微博
Facebook
分享链接
摘要
以邮局快递验视中的人物交互行为识别为应用背景，针对开箱验视过程中的复杂背景干扰和人与物的特定行为模式难以准确描述这两个痛点问题，引入基于深度学习的语义分割机制，提出了一种基于深度图和时空特征的人物交互行为识别方法。首先，使用UNet语义分割模型在复杂背景中准确提取前景目标(箱体和人手);然后，融合深度和时空信息对箱体和人手进行特征提取，利用深度图像序列中的箱体深度方差以及可见光图像序列中的人手运动轨迹构建特征描述子，对箱体形态变化和人手行为模式进行准确描述，确定人物交互关系；最后，基于SVM分类算法对开箱和未开箱行为进行判断识别。通过设计消融对比实验及干扰抑制实验，证明所提出的方法具有较高的准确性和鲁棒性，识别准确率可达到94.7%,实现了邮局场景下人物交互行为的精确识别。
- 单位
