Indexed by：
Abstract：
本文针对人体身份及动作识别的问题,提出一种基于低分辨率红外阵列传感器并使用卷积神经网络进行分类识别的方法,这种方法可以识别出人的身份和跌倒、坐下以及行走动作.本文使用的卷积神经网络是基于VGGNet搭建的,由输入层、5层卷积层、3层池化层、1层全连接层和输出层构成,自动提取红外热图像中的信息特征,对身份及动作进行分类,在良好的隐私保护下避免了繁琐的人工提取特征.经过实验测试,卷积神经网络算法识别动作平均准确率为93.3％,其中行走识别准确率达到100％,坐下识别准确率为90％,跌倒识别准确率为90％,身份识别准确率为96.7％.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
电气技术
ISSN： 1673-3800
CN： 11-5255/TM
Year： 2019
Issue： 11
Volume： 20
Page： 6-10,26
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 1
Affiliated Colleges：
