首页> 中文期刊> 《微电子学与计算机》 >一种多网融合的分阶段考生行为识别检测算法

一种多网融合的分阶段考生行为识别检测算法

         

摘要

针对现有考场考生行为识别存在检测范围小、识别准确率不高的问题,提出了一种多网融合的考生行为识别检测算法.考生定位采用轻量化检测网络Yolov4-Tiny并对其进行改进.首先,在主干部分嵌入通道空间双注意力机制CBAM,解决了考场中考生小目标和遮挡目标难以识别的问题.其次,在特征提取后引入PPM金字塔池化结构,能够提高网络获取全局信息的能力.然后,将改进后的网络融入Alphapose人体姿态估计模型提取出考生的骨骼关键点坐标信息.最后,通过时空图卷积神经网络ST-GCN进行行为分类.实验表明,通过迁移学习的方式在数据集NTU-RGB+D得到预训练模型,最终在考生行为数据集上对4类行为识别的平均准确率达到了94.6%,能够有效的完成考场中考生的行为识别检测任务.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号