基于视觉目标检测的人体活动识别
计算机视觉与模式识别
2019-05-10 v1 机器学习
机器学习
摘要
视觉人体活动识别（HAR）及与其他传感器的数据融合可帮助我们以较小阻碍跟踪地下矿工的行为与活动。本文使用在 Common Objects in Context（COCO）数据集上训练的现有模型（如 Single Shot Detector（SSD））来检测矿工的当前状态，例如受伤矿工与非受伤矿工。Tensorflow 被用作实现机器学习算法的抽象层，尽管其使用 Python 处理节点与张量，实际算法运行于 C++ 库上，在性能与开发速度间提供了良好平衡。本文进一步讨论了用于确定机器学习准确率的评估方法，以及通过数据融合提高采矿环境中人员活动/状态检测准确率的方法。
引用
@article{arxiv.1905.03707,
title = {Human Activity Recognition Using Visual Object Detection},
author = {Schalk Wilhelm Pienaar and Reza Malekian},
journal= {arXiv preprint arXiv:1905.03707},
year = {2019}
}