设计和开发一个模仿检测系统的人类行动识别使用深度学习的设计和开发
Noura Alhakbani1, Maha Alghamdi1, Abeer Al-Nafjan2
1Information Technology Department, College of Computer and Information Sciences, King Saud University, Riyadh 11543, Saudi Arabia.
Sensors (Basel, Switzerland)
|December 23, 2023
概括
这项研究开发了一种使用深度学习用于人类行动识别 (HAR) 的模仿检测系统. VGG-16模型的准确度达到了98%,超过了人类行为分类的其他方法.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 人类动作识别 (HAR) 对于监控,体育分析和医疗保健中的应用至关重要.
- 从视频数据中准确地分类人类行为是HAR的一个关键挑战.
研究的目的:
- 用基于深度学习的HAR算法设计和开发一个模仿检测系统.
- 探索深度学习模型对准确的人类行为分类的有效性.
主要方法:
- 实施和评估深度学习模型:单卷积神经网络 (CNN) 和预训练的VGG-16模型.
- 将深度学习模型的性能与经典分类器进行比较:K-最近邻居,支持矢量机器和随机森林.
- 使用基准KTH数据集进行模型评估.
主要成果:
- VGG-16模型表现出卓越的性能,达到98%的准确率.
- 在动作分类中,VGG-16显著优于单CNN模型.
- 与经典分类器相比,深度学习方法的准确性更高.
结论:
- 深度学习模型,特别是VGG-16,在识别人类行为和检测模仿方面非常有效.
- 开发的系统为需要精确的人类行动分类的应用提供了有前途的解决方案.
- 进一步的研究可以探索先进的深度学习架构,以提高HAR性能.
