基于视觉嵌入式系统的实时活动识别与意图识别
计算机视觉与模式识别
2021-08-05 v2
摘要
随着数字技术的快速增长，大多数研究领域都包含人体活动识别和意图识别，这在智能环境中至关重要。在本研究中，我们使活动识别系统具备通过影响图像表示中个体运动节奏来识别意图的能力。在电梯和自动门等各种环境中应用该技术，将能区分打算通过自动门的人与只是路过的人。该系统若应用于电梯和自动门，将节省能源并提高效率。在本研究中，数据准备借助数字图像处理原理将空间和时间特征相结合。然而，与以往研究不同，仅使用单一的 AlexNet 神经网络，而非双流卷积神经网络。我们的嵌入式系统在意图识别数据集上以 98.78% 的准确率实现。我们还在其他数据集上检验了我们的数据表示方法，包括 HMDB-51、KTH 和 Weizmann，分别获得了 78.48%、97.95% 和 100% 的准确率。图像识别和神经网络模型使用 Xilinx ZCU102 板的 Xilinx 模拟器进行仿真与实现。该嵌入式系统的工作频率为 333 MHz，以每秒 120 帧(fps)实时运行。
引用
@article{arxiv.2107.12744,
title = {Real-Time Activity Recognition and Intention Recognition Using a Vision-based Embedded System},
author = {Sahar Darafsh and Saeed Shiry Ghidary and Morteza Saheb Zamani},
journal= {arXiv preprint arXiv:2107.12744},
year = {2021}
}
备注
This paper is under consideration at Computer Vision and Image Understanding