核心提示
中文摘要：
为了在低算力的边缘设备上使人体行为识别网络兼顾实时性和识别效果，提出了一种改进的轻量级OpenPose姿态检测模型。使用移动网络替换原主干特征提取网络，在特征提取网络的浅层使用倒置残差结构，减少浅层网络的运算量，在网络深层引入卷积块注意力模块，调整深层特征信息的权重，并将浅层网络特征与深层网络特征融合后送入卷积网络进行骨骼关键点的拼接，有效融合浅层和深层的特征信息。在COCO数据集上的验证结果表明：改进模型与原模型相比，正确关键点百分比提升了2.8%，平均精度提升了2.0%。使用改进后的模型作为预训练模型在行为数据集上标记骨骼关键点用作分类训练，将完成分类训练的模型部署在边缘设备上，在边缘设备运行速度略微降低的情况下，通过改进后的模型进行人体行为识别的准确率达到96.4%，有效实现在边缘设备上的姿态检测和人体行为识别。
关键词：
人工智能；OpenPose；移动网络；机器视觉
阅读全文
·END·
部分文字、数据、图、表或其他内容来源于本刊已发表论文或互联网可公开获取资料，版权归该资料版权人所有。若读者或版权人认为本文涉嫌侵权或其他问题，请联系编辑部进行及时处理。
关注《武汉工程大学学报》杂志
了解杂志
请登录官网：http://www.jwit.org.cn/
联系我们
邮箱：jwit@vip.163.com
《武汉工程大学学报》投稿作者QQ群：573604634
电话：027-87195679
地址：湖北省武汉市洪山区雄楚大街693号 武汉工程大学学报编辑部
邮编：430074
编辑：霍淑利
制作：霍淑利，吴宇轩
审核：刘生鹏，张瑞
