.png){kind=icon}
返回
Temporal-spatial skeleton modeling for real-time human dance behavior recognition using evolutionary algorithms
.png){kind=icon}
PRE
AI
DOI：10.7717/peerj-cs.3359.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在在线舞蹈教学背景下，由于遮挡、低分辨率输入和不一致的光照条件，实时准确地识别和评估学生的动作仍是一个关键挑战。为解决这些局限性，本研究提出了一种实时人类行为检测框架，该框架将进化算法与基于骨架的深度学习模型相结合。系统通过Camera Serial Interface（CSI）摄像头模块捕获连续视频流，提取骨骼关节坐标，并通过一组混合时空特征对动作进行建模，包括躯干角度、关节位置和肢体速度。这些特征被融合为帧级扩展向量，随后输入基于长短期记忆（LSTM）网络构建的行为分类器。进化算法优化特征表示和分类结构，以增强泛化能力并避免局部最优。在UTKinect数据集上的实验评估表明，所提出的方法实现了95.47%的平均识别准确率，优于传统的基于RGB和深度信息的基准方法。此外，该系统展现出实时性能，识别延迟低于0.6秒，帧处理时间低于0.08秒。结果表明，多特征融合和进化增强在动态动作场景中是有效的。该框架为在线舞蹈教学中的表现评估提供了一个可靠工具，并可扩展应用于康复、虚拟健身和智能监控等领域。
Keyword:
Artificial neural networks
Data science
Evolutionary algorithm
Skeletal articulation points
Behaviour detection
Feature extraction
期刊
IF:
2.5
论文数:
3.4K
被引数:
6.9K
机构
引用论文
A Novel Foreign Object Detection Algorithm Based on GMM and K-Means for Power Transmission Line Inspection一种基于GMM和K-Means的电力传输线巡检异物检测新算法
OAAI
OAAI分享收藏Group Abnormal Behaviour Detection Algorithm Based on Global Optical Flow基于全局光流的人群异常行为检测算法.png)
Complexity
ComplexityIF0
PREAI
分享收藏
查看更多内容