通过改进的DCNN模型,提高动态交互场景中儿童的行为分类.
1Xi'an Traffic Engineering Institute, Xi'an, Shaanxi, China.
PeerJ. Computer science
|December 9, 2024
概括
本研究介绍了一种使用视频数据对儿童行为进行分类的方法,以创造最佳的成长环境. 该方法准确地识别行为模式,确保儿童更好的发展环境.
科学领域:
- 儿童发展 儿童发展
- 计算机视觉 计算机视觉
- 环境科学 环境科学
背景情况:
- 社会发展增加了对儿童环境质量的关注.
- 由于发育差异,个性化的环境对于儿童的成长至关重要.
- 动态交互场景需要适应性环境解决方案.
研究的目的:
- 为儿童行为分类提出环境创建方法.
- 通过定制设置,提高儿童成长环境的质量.
- 为了弥合环境和行为特征之间的语义差距.
主要方法:
- 使用编码器-解码器架构从视频数据分类儿童的行为.
- 使用深层卷积神经网络 (DCNN) 骨干来提取特征 (浅层和高层特征).
- 利用DenseNet模型来最大限度地减少语义差距,并最大限度地提高行为和环境之间的特征相似性.
主要成果:
- 准确地对儿童行为进行分类,F分数超过70%.
- 使用DenseNet的密集块进行多模式相似性计算的成功特征融合.
- 根据行为特征识别合适环境的能力.
结论:
- 提出的方法准确地对儿童的行为进行了分类,为创造环境提供了基础.
- 这种方法确保了适当的环境条件,支持健康的儿童发育.
- 该模型提供了一个科学基础,以保证儿童的最佳成长环境.
