公开(公告)号：CN111325166A

公开(公告)日：2020-06-23

申请号：CN202010119569.5

申请日：2020-02-26

Applicant: 南京工业大学

Inventor： 沈捷 ,  黄安义 ,  王莉 ,  曹磊

IPC: G06K9/00 ,  G06K9/62 ,  G06K9/60 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于投影重构和多输入多输出神经网络（MIMO-CNN）的坐姿识别方法，包括：获取人体上半身深度图像及人体前景轮廓图；预处理；对坐姿轮廓的深度信息进行投影，重构得到三视角深度图；设计用于坐姿识别的MIMO-CNN网络并学习模型参数;坐姿识别；模型自学习。优点：预处理后深度图像和人体轮廓图进行结合，排除周围背景对坐姿识别的干扰。使用投影重构方法得到三视角深度图，使得坐姿信息更加丰富。所设计的MIMO-CNN结构，特别适用于投影重构特征信息同时融入了注意力机制，能更好的关注不同坐姿的热点区域，从而提升识别精度，同时采用模型自学习，较好地平衡了实时性和准确性需求，对视角变化和复杂环境背景，具有较强的抗干扰能力。

公开(公告)号：CN111325166B

公开(公告)日：2023-07-07

申请号：CN202010119569.5

申请日：2020-02-26

Applicant: 南京工业大学

Inventor： 沈捷 ,  黄安义 ,  王莉 ,  曹磊

IPC: G06V40/20 ,  G06V10/774 ,  G06V10/764 ,  G06V10/20 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于投影重构和多输入多输出神经网络（MIMO‑CNN）的坐姿识别方法，包括：获取人体上半身深度图像及人体前景轮廓图；预处理；对坐姿轮廓的深度信息进行投影，重构得到三视角深度图；设计用于坐姿识别的MIMO‑CNN网络并学习模型参数;坐姿识别；模型自学习。优点：预处理后深度图像和人体轮廓图进行结合，排除周围背景对坐姿识别的干扰。使用投影重构方法得到三视角深度图，使得坐姿信息更加丰富。所设计的MIMO‑CNN结构，特别适用于投影重构特征信息同时融入了注意力机制，能更好的关注不同坐姿的热点区域，从而提升识别精度，同时采用模型自学习，较好地平衡了实时性和准确性需求，对视角变化和复杂环境背景，具有较强的抗干扰能力。