基于姿态时空特征的人体行为识别方法

为了高效、准确地获取视频中的人体行为和运动信息,提出一种基于人体姿态的时空特征的行为识别方法.首先在获取视频中各帧图像的人体关节位置的基础上,提取关节信息描述姿态变化,具体包括在空间维度上提取每帧图像的关节位置关系、时间维度上计算关节空间关系的变化,二者共同构成姿态时空特征描述子;然后利用Fisher向量模型对不同类型的特征描述子分别进行编码,得到固定维度的Fisher向量;最后对不同类型的Fisher向量加权融合后进行分类.实验结果表明,该方法能够有效地识别视频中的人体复杂动作行为,提高行为识别率.     

基于改进AdvancedEAST的变电站仪表数显区域检测

为了提高数字仪表数显区域检测的实时性和鲁棒性,提出一种改进AdvancedEAST算法,以快速、准确地完成变电站数字仪表数显区域检测。首先,在AdvancedEAST模型框架下,构建一种注意力机制增强的轻量级主干网络ES-MobilenetV3,通过考虑不同层提取特征对结果的影响,引入ECA和多维注意力机制（ECA-SE）对MobileNetv3的Bneck块进行改进,在保持性能和复杂性平衡的前提下,突出关键特征。在颈部网络中引入深度可分离卷积,降低网络计算的复杂度,提高检测速度。同时,使用迁移学习策略,提高小样本下模型的泛化能力。最后,在构建的变电站数字仪表数据集上进行试验验证,结果表明,所提算法在保证检测精度的情况下,模型的参数量相比AdvancedEAST算法减少82%,检测速度提升近2倍。