Keras中的两流CNN工具
在的基于骨架的动作识别中，提出了两流CNN，用于基于骨架的动作识别。 它将骨架序列映射到图像（坐标x，y，z到图像R，G，B）。 他们专门设计了骨架变压器模块，以自动重新排列和选择重要的骨架关节。
要求
Python3
凯拉斯
h5py
matplotlib
麻木
网络架构
该网络主要由Skeleton Transformer ， ConvNet ， Feature Fusion和Classification四个模块组成。 两个流的输入分别是原始数据（x，y，z）和帧差。 如下图所示：
用法
function / data_generator.py ：生成两个流的输入numpy数组
layer / transformer ：Keras中的Skeleton Transformer工具层
网络/ ：褶皱有四只苍蝇，具有不同的特征融合方式
结果
模型
准确度（
2021-09-25 10:54:30
115KB
1
使用3D运动传感器的姿势和跌倒检测系统
这项工作提出了一种监督学习方法，用于训练姿势检测分类器，并使用Microsoft Kinect v2传感器使用姿势分类结果作为输入来实施跌倒检测系统。 Kinect v2骨架跟踪为25个身体部位提供3D深度坐标。 我们使用这些深度坐标来提取七个特征，这些特征包括对象的高度和某些身体部位之间的六个角度。 然后将这些特征输入到完全连接的神经网络中，该神经网络输出对象的三种已考虑姿势之一：站立，坐着或躺下。 在由多个对象组成的测试数据上，所有三种姿势的平均分类率均达到99.30％以上，这些对象大部分时间甚至没有面对Kinect深度相机，并且位于不同的位置。 这些结果表明，采用提议的设置对人体姿势进行分类的可行性与对象在房间中的位置以及3D传感器的方向无关。
系统演示请观看Posture_fall_detection_demo.mp4视频，以了解姿势和跌倒
2021-09-24 15:17:28
18.11MB
1
行业-电子政务-具有呫吨骨架的显示出负的介电各向异性的液晶性化合物、液晶组合物及液晶显示元件.zip
2021-09-12 14:01:40
4.64MB