STGCN基于图卷积的行为识别修改模型文件

提出一种基于人体轮廓表达的姿势学习框架来进行人体行为识别。通过一种基于Procrustes形状分析和局部保持投影的姿势特征表示方法,从人体运动视频中提取具有平移、旋转和放缩不变性的姿势特征,在保留人体

基于Kersa实现的中英语音声纹识别模型文件

基于视频流的运动人体行为识别是一项既具有挑战性同时又非常具有广阔应用前景的研究课题.行为识别是基于人体目标识别和人体跟踪更高级的计算机视觉部分,研究出一种健壮的行为识别算法具有重要的理论意义和广泛的应

学生课堂行为识别旨在识别学生在课堂上的行为表现,反映课堂教学质量。针对目前卷积神经网络在随着网络层数加深表现出来的性能退化的问题,提出基于残差结构的深度残差网络。通过搭建学生课堂行为识别数据集,训练深

近年来，无线信号在行为识别、定位和目标检测等方面的应用取得了一系列突破性的研究成果，对智能家居、视频教学、虚拟现实、家庭娱乐等具有很强的理论研究意义和实用价值，是智能人机交互的基本研究内容。首先回顾了

为了有效地表征行为，提出了一种基于姿态转换网络的行为识别算法。首先对人体进行自动定位，并对人体区域进行形状与运动特征提取；然后对特征进行层次聚类，构建姿态二叉树，并将运动序列表示为姿态序列后，将其表征

为了解决井下粉尘环境和遮挡条件下的人员行为识别问题,促进煤矿安全生产,提出了一种基于 Wi-Fi信道状态信息(CSI,channel state information)的井下人员行为识别方法。该方法

近年来,自动学习特征的深度学习方法在视频行为识别领域中不断被挖掘探索。在总结了常用的行为识别数据集的基础上,对传统的行为识别方法以及深度学习的相关基础原理进行了概述,着重对基于不同输入内容与不同深度网

对驾驶员行为进行分类的能力为更高级的驾驶员辅助系统奠定了基础。 本研究旨在研究驱动程序模式和分类特征。 北京的225位非专业驾驶员通过标准驾驶员行为问卷（DBQ）进行了驾驶员行为自我报告调查。 通过统

传统的神经网络表情识别系统由特征提取和神经网络分类器组成,利用人的经验来获取模式特征,很容易丢失表征表情特征的细节信息。提出一种基于卷积神经网络的识别方法,避免了对图像进行复杂的特征提取,直接把图像数