论文部分内容阅读
识别人体状态与理解人类情感是家电智能化的最终目的,人体许多日常行为并不携带明显的状态信息和情感倾向,而诸如跌倒、打哈欠、腰痛等出现频率较低却包含丰富的人体状态信息。以带有一定情感倾向或意图的人体状态为研究对象,从公开数据集中筛选出9种带有人体状态信息的典型行为,考虑到家居环境下实时产生的原始视频数据量庞大、存在特征冗余,提出用相邻视频帧做减法得到的RGB连续差分图像序列作为输入,鉴于样本少,使用常规大型网络容易过拟合,因此采用最新的轻量级网络模型MobileNetV2,极大减少训练参数量,进而实现快