Position: Home > Articles > Obstacle Crossing Recognition Method Based on Lightweight CNN and its Android APP Implementation
Journal of Jinling Institute of Technology
2022,38
(4)
32-37
基于轻量级CNN的越障识别方法及其Android端APP实现
作 者：
张秀良;王凯;卜乐;赵炜
单 位：
金陵科技学院计算机工程学院
关键词：
越障识别;图像识别;CNN;MobileNet;OpenPose;Android;APP
摘 要：
针对越障行为识别问题,提出了一种基于轻量级CNN的检测识别方法.首先,通过OpenPose方法对视频帧图中的人体骨骼关键点进行检测,并在人体骨骼关键点位置提取姿态特征,利用MobileNet方法对提取的姿态特征进行分类识别.然后,采用自建数据集进行实验,实验结果表明:刚开始训练时,训练集和测试集的准确率迅速上升,交叉熵迅速下降;当迭代次数增加到2 250次左右时,准确率和交叉熵的曲线逐渐趋向平稳.最后,对基于Android端越障行为识别系统APP的应用结果进行分析,分析结果表明:MobileNet方法识别越障行为的平均运算时间约为373 ms,准确率约为87.2%,模型尺寸约为37.6 MB,运行时占用内存约为56 MB.以上结果证明了基于轻量级CNN的越障识别方法适合在Android端应用.
译 名：
Obstacle Crossing Recognition Method Based on Lightweight CNN and its Android APP Implementation
导出引用
计量
文章访问数: 9
HTML全文浏览量: 0
PDF下载量: 0
所属期刊
