• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于雙流卷積的實(shí)時(shí)跌倒行為檢測

    2021-09-16 02:29:30金彥亮
    關(guān)鍵詞:雙流輪廓準(zhǔn)確率

    金彥亮,陳 剛

    (上海大學(xué) 通信與信息工程學(xué)院,上海 200444)

    0 引 言

    針對老齡化加劇伴隨而來的獨(dú)居老人跌倒問題,本文對基于雙流卷積的實(shí)時(shí)跌倒檢測展開研究。

    目前針對跌倒檢測的研究主要有兩個(gè)方向:基于三維傳感數(shù)據(jù)的方法與基于視覺的方法。基于三維傳感數(shù)據(jù)的方法即采用陀螺儀等傳感器獲取人體運(yùn)動(dòng)的三維加速度和角速度值[2]來檢測跌倒事件,近幾年也出現(xiàn)了利用智能手機(jī)配備的傳感器來實(shí)時(shí)獲取人體運(yùn)動(dòng)的加速度和角速度信息的解決方案[3]。但是這些傳感器和手機(jī)需要定期更換電池或充電,受限于設(shè)備的電量與壽命,還存在老人在家中并不會(huì)隨身攜帶手機(jī)的情況。相比之下基于視覺的方法主要利用計(jì)算機(jī)視覺來檢測畫面中的人是否跌倒,這種方法不需要佩戴相關(guān)傳感器,方便、體驗(yàn)好。

    基于視覺的跌倒檢測關(guān)鍵在于從視頻幀中提取有意義的特征來進(jìn)行檢測,例如人體姿態(tài)、傾斜角度等。Stone等[4]提出了一種使用Kinect深度相機(jī)和兩階段跌倒檢測系統(tǒng)來檢測老人跌倒的方法,第一階段除了提取人體速度、加速度等特征外,在單個(gè)深度圖像幀中還計(jì)算一個(gè)人在地面的投影面積,這個(gè)特征可以很好區(qū)別跌倒和躺下動(dòng)作,然后在第二階段使用決策樹來計(jì)算跌倒的置信度。J.Donahue等[5]提出將CNN與LSTM相結(jié)合對空間維度特征與時(shí)間維度特征進(jìn)行學(xué)習(xí)和理解的方法。而LSTM復(fù)雜度高,相比雙流卷積方法計(jì)算會(huì)更耗時(shí),不適合實(shí)時(shí)的跌倒檢測。此外,利用光流圖作為時(shí)間流輸入雖能很好地描述運(yùn)動(dòng)特征,但光流圖的計(jì)算也比較耗時(shí),對實(shí)時(shí)性影響較大。

    本文構(gòu)建雙流卷積神經(jīng)網(wǎng)絡(luò),選用預(yù)訓(xùn)練的輕量級模型MobileNetV2,輸入人物輪廓的RGB單幀提取空間維特征,輸入連續(xù)的多幀MHI提取時(shí)間維特征,將兩個(gè)流輸出的特征按一定方式進(jìn)行融合獲得時(shí)空特征來進(jìn)行跌倒行為識別。實(shí)驗(yàn)結(jié)果表明,基于人物輪廓RGB-MHI的雙流卷積神經(jīng)網(wǎng)絡(luò)對于跌倒檢測具有良好的可靠性和實(shí)時(shí)性。

    1 跌倒檢測模型設(shè)計(jì)

    雙流卷積神經(jīng)網(wǎng)絡(luò)是通過模仿人眼觀察事物的機(jī)制,將視頻分為空間流與時(shí)間流兩條支路[6]。空間流的每一幀代表著視頻中所描繪的物體和場景信息等,而時(shí)間流是指幀與幀之間的運(yùn)動(dòng)信息,因此,該神經(jīng)網(wǎng)絡(luò)由分別處理時(shí)間維度與空間維度信息的兩個(gè)神經(jīng)網(wǎng)絡(luò)所構(gòu)成。

    1.1 空間流卷積神經(jīng)網(wǎng)絡(luò)

    空間流采用MobileNetV2[7]模型,相比其它預(yù)訓(xùn)練模型,MobileNetV2更加輕量級,在減少網(wǎng)絡(luò)大量計(jì)算量的同時(shí)能夠保持良好的性能,適合將實(shí)時(shí)跌倒檢測模型放入嵌入式平臺(tái)上。MobileNetV2是由MobileNetV1升級來的,MobileNetV2更加高效,首先它依然使用MobileNetV1中的深度可分離卷積(depthwise separable convolution),深度可分離卷積的目的在于對參數(shù)量的節(jié)省,控制參數(shù)的數(shù)量,從而提高網(wǎng)絡(luò)運(yùn)行速度,區(qū)別在于MobileNetV2又引入了殘差結(jié)構(gòu)和瓶頸層。MobileNetV2的殘差結(jié)構(gòu)借鑒于ResNet,在ResNet的殘差結(jié)構(gòu)基礎(chǔ)上又做了些改進(jìn),引入了倒殘差塊,ResNet的殘差塊是對圖像先將降維、卷積,再升維,而倒殘差塊是對圖像先升維、深度可分離卷積,再降維,所以倒殘差塊的作用就是將輸入的數(shù)據(jù)變換到高維度后再經(jīng)過深度可分離卷積提取特征,從而提升網(wǎng)絡(luò)的表達(dá)能力。加入瓶頸層這種新的結(jié)構(gòu)被稱作為線性瓶頸,即在深度可分離卷積之前添加了一個(gè)1×1卷積用于改變輸入數(shù)據(jù)的維度,保證卷積過程是在高維空間提取特征,然后為了不破壞特征,去掉了第二個(gè)1×1卷積后的激活函數(shù),使用線性激活函數(shù)以保持卷積提取到的特征。MobileNetV2 網(wǎng)絡(luò)結(jié)構(gòu)的具體參數(shù)見表1,其中Conv2d代表標(biāo)準(zhǔn)卷積,Inverted Residual代表由倒殘差塊組成的卷積層,Avgpool代表平均池化,通道擴(kuò)張系數(shù)代表倒殘差塊中通道升維的倍數(shù)。該網(wǎng)絡(luò)共包含19層,中間各層用于提取特征,最后一層用于分類。

    表1 MobileNetV2網(wǎng)絡(luò)參數(shù)

    因此本文選擇MobileNetV2作為空間流的基礎(chǔ)網(wǎng)絡(luò),然后添加全連接層,與后面一小節(jié)的時(shí)間流模型在相同維度的全連接層Concatenation相連。

    空間流的輸入為對視頻中的連續(xù)幀采用幀間差分法提取出的人物輪廓單幀,輸入shape為224×224×3,輸入提取的人物輪廓RGB相比較輸入原始RGB可以消除背景對檢測的干擾,在實(shí)驗(yàn)與結(jié)果分析章節(jié)通過實(shí)驗(yàn)表明輸入人物輪廓RGB比輸入原始RGB準(zhǔn)確率提高了5.26%。幀間差分法的執(zhí)行速度較快,實(shí)現(xiàn)思路簡單,可以滿足實(shí)時(shí)性要求,且在大多數(shù)情況下檢測結(jié)果較好[8]。幀間差分法的算法流程介紹如下:將fn和fn-1分別表示為視頻中的第n幀和第n-1幀,fn(x,y)和fn-1(x,y)分別表示為第n幀和第n-1 幀在(x,y)像素點(diǎn)的灰度值,然后將其對應(yīng)像素點(diǎn)的灰度值做差后取絕對值,于是得出差分圖像Dn

    Dn(x,y)=|fn(x,y)-fn-1(x,y)|

    (1)

    (2)

    幀間差分法的核心在于THRESHOLD閾值的設(shè)置,THRESHOLD值的選擇會(huì)對檢測結(jié)果造成直接影響,如果THRESHOLD的值設(shè)置較大,當(dāng)運(yùn)動(dòng)目標(biāo)的RGB值與背景的RGB值接近時(shí),會(huì)導(dǎo)致運(yùn)動(dòng)目標(biāo)部分區(qū)域的缺失,相反的,如果THRESHOLD的值設(shè)置較小,檢測的結(jié)果就會(huì)混合一些背景區(qū)域。在本文中THRESHOLD的值取為32,最終目標(biāo)輪廓檢測結(jié)果如圖1所示。

    圖1 人物輪廓檢測

    由于數(shù)據(jù)集的視頻是固定鏡頭的,所以從圖1可以看出當(dāng)鏡頭固定時(shí)幀間差分法的檢測結(jié)果是良好的,而跌倒檢測一般用于鏡頭固定的監(jiān)控設(shè)備,所以使用幀間差分法能夠基本滿足需求。

    1.2 時(shí)間流卷積神經(jīng)網(wǎng)絡(luò)

    時(shí)間流設(shè)計(jì)的CNN網(wǎng)絡(luò)包含卷積操作、批標(biāo)準(zhǔn)化操作(Batch Normalization)、采樣操作、“壓平”操作(Flatten)、全連接網(wǎng)絡(luò)和Sigmoid網(wǎng)絡(luò),將輸入幀的特征抽象化來實(shí)現(xiàn)分類任務(wù)。其中Batch Normalization層的作用第一為了加快收斂速度,第二為了控制過擬合,能少用或者不用Dropout和正則,第三為了降低網(wǎng)絡(luò)對初始化權(quán)重不敏感,第四可以允許用較大的學(xué)習(xí)率來實(shí)現(xiàn)[9]。

    為提高檢測速度達(dá)到實(shí)時(shí)性,將模型中濾波器的數(shù)量、深度、大小、步長等因素進(jìn)行了權(quán)衡,第1個(gè)卷積層卷積核大小為7×7,卷積核個(gè)數(shù)為64,第2個(gè)卷積層大小為5×5,個(gè)數(shù)為128,第 3、4、5個(gè)卷積層大小均為3×3,個(gè)數(shù)均為256,采樣層窗口均為2×2,采樣方式都采用最大值下采樣;全連接層T-Full1維度為512,T-Full2維度為256,T-Full3維度為128。激活函數(shù)采用不飽和非線性函 ReLUs(rectified linear units),該函數(shù)已被驗(yàn)證更接近人腦神經(jīng)突觸效果,具有更快的收斂速度[10]。其數(shù)學(xué)表達(dá)式如下

    F(y)= max(0,y)

    (3)

    時(shí)間流設(shè)計(jì)的CNN網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

    圖2 時(shí)間流網(wǎng)絡(luò)結(jié)構(gòu)

    時(shí)間流的輸入為連續(xù)3幀的MHI運(yùn)動(dòng)歷史圖,輸入shape為224×224×3。MHI是基于視覺的模板方法,根據(jù)一定持續(xù)時(shí)間內(nèi)同一點(diǎn)的像素值變換,從而以圖像亮度的形式來表示目標(biāo)的運(yùn)動(dòng)情況。運(yùn)動(dòng)歷史圖中每一點(diǎn)的灰度值代表了在某段持續(xù)時(shí)間內(nèi)該點(diǎn)位像素的最近運(yùn)動(dòng)狀況,點(diǎn)位像素的灰度值高則表示該點(diǎn)位的運(yùn)動(dòng)時(shí)刻接近于當(dāng)前幀。所以可以通過運(yùn)動(dòng)歷史圖來描述人體在摔倒過程中的動(dòng)作狀況。通過式(4)可算出MHI像素的強(qiáng)度值Hτ(x,y,t)

    (4)

    式中:(x,y)和t為像素點(diǎn)的位置和時(shí)刻;τ為設(shè)定的持續(xù)時(shí)間,相當(dāng)于運(yùn)動(dòng)的時(shí)間范圍;δ為衰退參數(shù)。ψ(x,y,t)為更新函數(shù),可由幀間差法來定義

    (5)

    其中

    D(x,y,t)=|I(x,y,t)-I(x,y,t±Δ)|

    (6)

    式中:I(x,y,t)表示視頻序列第t幀中(x,y)像素點(diǎn)的強(qiáng)度值,Δ表示幀間距離,T為設(shè)定的閾值,可根據(jù)動(dòng)作和視頻場景的不同來設(shè)置。

    在本文中動(dòng)作持續(xù)時(shí)間τ設(shè)為1500 ms,閾值T設(shè)為32,實(shí)現(xiàn)的MHI效果圖如下,其中圖3一組為從站立到摔倒的連續(xù)3張運(yùn)動(dòng)歷史圖,圖4為一組跟摔倒動(dòng)作近似的從站立到坐下的連續(xù)3張運(yùn)動(dòng)歷史圖。

    圖3 從站立到摔倒動(dòng)作運(yùn)動(dòng)歷史

    圖4 從站立到坐下動(dòng)作運(yùn)動(dòng)歷史

    從圖3和圖4中可以發(fā)現(xiàn),由于摔倒的加速度更快,所以在相同的持續(xù)時(shí)間內(nèi),從站立到摔倒的運(yùn)動(dòng)歷史圖比從站立到坐下幅度更大,且越遠(yuǎn)離當(dāng)前時(shí)刻,像素的灰度值越低,所以運(yùn)動(dòng)歷史圖可以很好地描述幀之間的運(yùn)動(dòng)信息。

    1.3 模型融合

    由圖1可以看出,雙流卷積神經(jīng)網(wǎng)絡(luò)有兩個(gè)支路,分別用來提取時(shí)間特征和空間特征,最后是把兩個(gè)網(wǎng)絡(luò)的輸出按一定方式關(guān)聯(lián)到一起。對于跌倒動(dòng)作,空間特征描述了人體在跌倒過程中某一刻的姿態(tài)以及人體寬高比、傾斜角度等,而時(shí)間特征描述了跌倒動(dòng)作前后時(shí)刻的人體趨勢變化。在文獻(xiàn)[11]中,作者采用的是分別訓(xùn)練時(shí)間流和空間流網(wǎng)絡(luò),最后將兩個(gè)網(wǎng)絡(luò)的Softmax層的輸出做了加權(quán)融合,時(shí)間流權(quán)值取2/3,空間流權(quán)值取1/3。即

    (7)

    R表示雙流網(wǎng)絡(luò)的輸出結(jié)果,R1表示空間流的Softmax輸出,R2表示時(shí)間流的Softmax輸出。

    本文對以上融合方式做了一定改進(jìn),沒有選擇在兩個(gè)網(wǎng)絡(luò)的激活層輸出進(jìn)行融合,而是在兩個(gè)網(wǎng)絡(luò)的全連接層將兩個(gè)網(wǎng)絡(luò)的同shape張量Concatenation相連后再添加新的網(wǎng)絡(luò)層,并通過多組實(shí)驗(yàn)分別比較了在不同維全連接層Concatenation融合的準(zhǔn)確率以及在相同維全連接層采用其它融合方式比如平均融合和Maximum融合的準(zhǔn)確率比較,從而以找到最優(yōu)結(jié)果,兩個(gè)網(wǎng)絡(luò)Concatenation融合后的輸出結(jié)果為

    R=Fcat(R1,R2)

    (8)

    R表示融合后的輸出結(jié)果,R1表示空間流的全連接層輸出,R2表示時(shí)間流的全連接層輸出,F(xiàn)cat為Concatenation相連操作。因?yàn)槿B接層具有更高層次的抽象和更友好的語義信息,從而可以通過神經(jīng)網(wǎng)絡(luò)的訓(xùn)練來學(xué)習(xí)和定義兩個(gè)模型之間的對應(yīng)關(guān)系。Concatenation相連后再添加新的網(wǎng)絡(luò)層,最后連接Sigmoid層完成二分類。

    2 實(shí)驗(yàn)與結(jié)果分析

    2.1 數(shù)據(jù)預(yù)處理

    本文選取公開的摔倒數(shù)據(jù)集Le2i作為實(shí)驗(yàn)數(shù)據(jù)集,該數(shù)據(jù)集包含Home、Office、Coffee room、Lecture Room這4種場景的視頻,視頻fps為25,分辨率為320×240,并且包含一個(gè)txt文件標(biāo)注了每個(gè)視頻開始出現(xiàn)摔倒和摔倒行為結(jié)束的幀的序號。

    首先對每個(gè)視頻提取出人物輪廓RGB圖和運(yùn)動(dòng)歷史圖,然后將所有的圖片大小統(tǒng)一為224×224后分別存儲(chǔ)到對應(yīng)目錄下。由于摔倒行為數(shù)據(jù)偏少,所以對摔倒數(shù)據(jù)做了簡單的增強(qiáng)處理,對每張摔倒的RGB圖和MHI圖進(jìn)行水平翻轉(zhuǎn),使數(shù)據(jù)集擴(kuò)大了兩倍,然后將摔倒的數(shù)據(jù)標(biāo)簽記為1,非摔倒數(shù)據(jù)的標(biāo)簽記為0。另外由于視頻有些畫面沒有人物出現(xiàn)或人物靜止,會(huì)導(dǎo)致運(yùn)動(dòng)歷史圖為純黑色,為減少過多的這類圖片特征的干擾,對純黑色的MHI圖進(jìn)行了隨機(jī)剔除。最后將摔倒行為和非摔倒行為的數(shù)據(jù)分別選取70%作為訓(xùn)練集,20%作為測試集,10%作為驗(yàn)證集。

    2.2 模型訓(xùn)練

    本文實(shí)驗(yàn)環(huán)境選擇keras深度學(xué)習(xí)框架,使用隨機(jī)梯度下降法,初始學(xué)習(xí)率設(shè)定為0.01,動(dòng)量參數(shù)(momentum)為0.95,學(xué)習(xí)率衰減值(decay)為0.001,批次大小(batch size)設(shè)置為24。訓(xùn)練集的準(zhǔn)確率如圖5所示,loss損失值如圖6所示??梢钥闯鲇?xùn)練70個(gè)epoch后模型基本收斂,準(zhǔn)確率在訓(xùn)練集上接近100%,損失值接近于0。

    圖5 準(zhǔn)確率

    圖6 損失值

    2.3 結(jié)果對比與分析

    結(jié)果對比采用3個(gè)指標(biāo)對模型的性能進(jìn)行評估,分別為召回率(R)、精確率(P)、準(zhǔn)確率(acc),分別定義如下

    (9)

    (10)

    (11)

    其中,TP表示將摔倒預(yù)測為摔倒的數(shù)量,F(xiàn)N表示將摔倒預(yù)測為非摔倒的數(shù)量,F(xiàn)P表示將非摔倒預(yù)測為摔倒的數(shù)量,TN表示將非摔倒預(yù)測為非摔倒的數(shù)量。

    將測試集數(shù)據(jù)輸入到訓(xùn)練得到的摔倒檢測模型中,首先對MobileNetV2模型輸入人物輪廓RGB和輸入原始RGB的準(zhǔn)確率比較,見表2。

    從表2可以看出MobileNetV2輸入人物輪廓RGB比輸入原始RGB準(zhǔn)確率提高了5.26%,且輸入原始RGB的召回率比輸入人物輪廓RGB低了15.96%,即存在很多摔倒了但未檢測到的情況,這對于獨(dú)居老人的跌倒檢測問題是非常嚴(yán)重的,所以提取人物輪廓可以有效消除背景對跌倒檢測的干擾,提高檢測準(zhǔn)確率。

    表2 模型性能對比/%

    然后對輸入人物輪廓RGB的單流MobileNetV2模型、輸入MHI的單流CNN模型以及采用相同數(shù)據(jù)集的文獻(xiàn)[11]模型與本文雙流卷積模型進(jìn)行比較,其中文獻(xiàn)[11]采用的是雙流卷積模型,該模型將RGB幀輸入3D-CNN,并提取光流圖輸入至VGGNet-16,融合方式是在兩個(gè)網(wǎng)絡(luò)的Softmax層輸出做了加權(quán)融合,時(shí)間流權(quán)值取2/3,空間流權(quán)值取1/3,性能指標(biāo)的對比見表3(文獻(xiàn)[11]未給出精確率和召回率)。

    表3 模型性能對比/%

    從表3可以看出本文的雙流卷積模型在測試集上的準(zhǔn)確率為98.12%,比文獻(xiàn)[11]的準(zhǔn)確率提高了2.2%,且精確率和召回率指標(biāo)都比單流的模型要高,比空間流提高了9.41%,比時(shí)間流提高了1.35%。綜上可以得出,雙流卷積神經(jīng)網(wǎng)絡(luò)比單流的卷積神經(jīng)網(wǎng)絡(luò)對于跌倒行為檢測準(zhǔn)確率更高,且本文設(shè)計(jì)的雙流卷積神經(jīng)網(wǎng)絡(luò)相比文獻(xiàn)[11]的模型在跌倒行為檢測中更具可靠性和有效性。

    接下來本文對不同的融合位置和融合方式做了多組實(shí)驗(yàn)對比。首先是在不同維度的全連接層Concatenation融合時(shí)空特征與在Softmax層平均融合和加權(quán)融合的模型指標(biāo)進(jìn)行對比,見表4。

    表4 融合方式對比/%

    從表4可看出在空間流的Full2層和時(shí)間流的Full2層即在兩個(gè)網(wǎng)絡(luò)的256維全連接層進(jìn)行Concatenation融合的準(zhǔn)確率最高,為98.12%,其中與表4的第一、第二組實(shí)驗(yàn)對比可看出,兩個(gè)網(wǎng)絡(luò)在256維全連接層Concatenation融合比在Softmax層平均融合和加權(quán)融合的準(zhǔn)確率分別高0.68%和0.14%,同時(shí),從上表還可以看出采用平均融合和加權(quán)融合方式的召回率指標(biāo)非常高,但精確率偏低,這是由于這些模型很容易產(chǎn)生誤判,將數(shù)據(jù)集中躺下、坐下動(dòng)作誤判為摔倒。因此,將Softmax層的輸出進(jìn)行融合與在256維全連接層進(jìn)行Concatenation融合相比,在256維全連接層融合能提取到對跌倒行為更深層次的信息。與表4的第三、第五組實(shí)驗(yàn)對比可看出兩個(gè)網(wǎng)絡(luò)在256維全連接層Concatenation融合比在512維全連接層和128維全連接層Concatenation融合效果要稍好。

    針對兩個(gè)網(wǎng)絡(luò)的256維全連接層特征具有更好的表達(dá)信息,本文又比較了在256維全連接層分別采取平均融合和Maximum融合的準(zhǔn)確率比較,見表5。

    表5 256維全連接層融合方式對比/%

    由表5可看出在256維全連接層采用Concatenation融合比采用平均融合和Maximum融合的方式準(zhǔn)確率都要高。

    同時(shí)本文對輸入MHI和文獻(xiàn)[11]采用的輸入光流圖的實(shí)時(shí)性進(jìn)行了對比。采用上述相同的網(wǎng)絡(luò)結(jié)構(gòu),空間流輸入不變,時(shí)間流輸入由連續(xù)3幀MHI圖改為連續(xù)3幀光流,GPU為GTX960,如圖7所示。

    圖7 連續(xù)3幀的MHI和連續(xù)3幀的光流

    得出連續(xù)10次的檢測速度,使用fps進(jìn)行衡量。由表6可看出使用MHI運(yùn)動(dòng)歷史圖的平均fps達(dá)到33.5 Hz,比光流圖要高13 Hz。由于我國采用PAL制式,而PAL制式的幀速率為25 fps[12],所以基于此網(wǎng)絡(luò)結(jié)構(gòu)時(shí)間流輸入MHI運(yùn)動(dòng)歷史圖能滿足實(shí)時(shí)性要求,而輸入光流圖沒有達(dá)到。

    表6 MHI、光流圖檢測速度fps對比/Hz

    3 結(jié)束語

    本文構(gòu)建了一種基于雙流卷積神經(jīng)網(wǎng)絡(luò)的實(shí)時(shí)跌倒檢測模型,該模型的空間流輸入為提取人物輪廓的RGB單幀,相比輸入原始RGB,提取人物輪廓能減少背景造成的干擾,采用MobileNetV2模型處理,時(shí)間流輸入為連續(xù)3幀的MHI運(yùn)動(dòng)歷史圖,采用搭建的CNN模型,改進(jìn)了融合方式,在特定維度的全連接層將兩個(gè)網(wǎng)絡(luò)的同shape張量Concatenation融合后再添加到新的網(wǎng)絡(luò)層,相比直接在Softmax層融合,全連接層具有更高層次的抽象和更友好的語義信息,最后在公開的摔倒數(shù)據(jù)集上進(jìn)行了測試。實(shí)驗(yàn)結(jié)果表明,采用人物輪廓RGB-MHI的雙流卷積神經(jīng)網(wǎng)絡(luò)在非摔倒和摔倒的區(qū)分檢測中準(zhǔn)確率為98.12%,比人物輪廓RGB的MobileNetV2模型提高了9.41%,比MHI的CNN模型提高了1.35%,模型優(yōu)于其它采用相同數(shù)據(jù)集的文獻(xiàn);在256維全連接層Concatenation融合時(shí)空特征與在其它維全連接層Concatenation融合相比,準(zhǔn)確率最高,比在分類層進(jìn)行平均融和和加權(quán)融合識別率分別提高了0.68和0.14個(gè)百分點(diǎn);基于此網(wǎng)絡(luò)結(jié)構(gòu)通過比較fps,輸入MHI比輸入光流圖具有更好的實(shí)時(shí)性,驗(yàn)證了本文的雙流卷積模型具有良好的可靠性和實(shí)時(shí)性。

    猜你喜歡
    雙流輪廓準(zhǔn)確率
    四川省成都市雙流區(qū)東升迎春小學(xué)
    乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
    健康之家(2021年19期)2021-05-23 11:17:39
    不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
    2015—2017 年寧夏各天氣預(yù)報(bào)參考產(chǎn)品質(zhì)量檢驗(yàn)分析
    雙流板坯側(cè)面鼓肚與邊角掛鋼原因與對策
    OPENCV輪廓識別研究與實(shí)踐
    雙流機(jī)場一次低能見度天氣過程分析
    基于實(shí)時(shí)輪廓誤差估算的數(shù)控系統(tǒng)輪廓控制
    四川省成都雙流中學(xué)實(shí)驗(yàn)學(xué)校
    高速公路車牌識別標(biāo)識站準(zhǔn)確率驗(yàn)證法
    日韩视频在线欧美| 男女边吃奶边做爰视频| 51午夜福利影视在线观看| 91麻豆精品激情在线观看国产 | 欧美日韩亚洲综合一区二区三区_| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲av综合色区一区| 午夜日韩欧美国产| 国产高清国产精品国产三级| 久久这里只有精品19| 老鸭窝网址在线观看| 久久女婷五月综合色啪小说| 午夜福利一区二区在线看| 精品人妻1区二区| 又黄又粗又硬又大视频| 亚洲成人手机| 99久久综合免费| 国产精品久久久久久精品电影小说| 国产精品三级大全| 精品熟女少妇八av免费久了| 麻豆av在线久日| 在线观看免费日韩欧美大片| 午夜av观看不卡| 精品国产乱码久久久久久小说| 日韩人妻精品一区2区三区| 大型av网站在线播放| 精品少妇黑人巨大在线播放| 国产精品久久久人人做人人爽| 男女午夜视频在线观看| 亚洲精品av麻豆狂野| 中文字幕最新亚洲高清| 亚洲一卡2卡3卡4卡5卡精品中文| 香蕉国产在线看| 91国产中文字幕| av网站免费在线观看视频| 欧美激情极品国产一区二区三区| 十八禁高潮呻吟视频| 欧美亚洲日本最大视频资源| 国产在视频线精品| www.熟女人妻精品国产| 国产麻豆69| 老鸭窝网址在线观看| 色网站视频免费| 久久精品aⅴ一区二区三区四区| 婷婷成人精品国产| 老司机在亚洲福利影院| 99久久综合免费| 我的亚洲天堂| 中文精品一卡2卡3卡4更新| 男的添女的下面高潮视频| 99re6热这里在线精品视频| 新久久久久国产一级毛片| 一边摸一边做爽爽视频免费| 亚洲国产最新在线播放| 男女边吃奶边做爰视频| 国产麻豆69| 成人黄色视频免费在线看| 亚洲国产精品一区二区三区在线| 高清视频免费观看一区二区| 国产在线观看jvid| 亚洲专区中文字幕在线| 久久人人爽人人片av| 少妇猛男粗大的猛烈进出视频| 首页视频小说图片口味搜索 | 久久影院123| 成人三级做爰电影| 国产高清国产精品国产三级| 亚洲成国产人片在线观看| 亚洲天堂av无毛| av网站免费在线观看视频| 老司机影院毛片| 午夜福利一区二区在线看| 无遮挡黄片免费观看| 999久久久国产精品视频| 国产精品一区二区精品视频观看| 国产成人免费无遮挡视频| 伦理电影免费视频| 色综合欧美亚洲国产小说| 性少妇av在线| 男人操女人黄网站| 汤姆久久久久久久影院中文字幕| 天天添夜夜摸| videosex国产| 精品少妇黑人巨大在线播放| 精品一品国产午夜福利视频| 亚洲少妇的诱惑av| 国产欧美日韩一区二区三区在线| 久久国产精品影院| 美女国产高潮福利片在线看| 精品国产国语对白av| 一区二区三区四区激情视频| 狂野欧美激情性xxxx| 18禁黄网站禁片午夜丰满| 欧美成狂野欧美在线观看| 一级,二级,三级黄色视频| 一级毛片黄色毛片免费观看视频| 亚洲精品美女久久av网站| 中文字幕人妻丝袜一区二区| h视频一区二区三区| 丁香六月天网| 三上悠亚av全集在线观看| 国产视频一区二区在线看| 男人爽女人下面视频在线观看| 国精品久久久久久国模美| 夫妻午夜视频| 最新在线观看一区二区三区 | 日韩大片免费观看网站| 欧美日韩视频精品一区| 1024视频免费在线观看| 男的添女的下面高潮视频| 最近中文字幕2019免费版| 亚洲久久久国产精品| 国产又色又爽无遮挡免| tube8黄色片| 精品亚洲乱码少妇综合久久| 亚洲av综合色区一区| 18禁国产床啪视频网站| 精品亚洲成国产av| 18禁观看日本| 丝袜在线中文字幕| 另类精品久久| 性色av一级| 国产亚洲一区二区精品| 曰老女人黄片| 亚洲一区中文字幕在线| 亚洲欧美中文字幕日韩二区| 9191精品国产免费久久| 在现免费观看毛片| 欧美精品啪啪一区二区三区 | 日韩大码丰满熟妇| 中国美女看黄片| 一级片免费观看大全| 99国产精品一区二区蜜桃av | 十八禁网站网址无遮挡| 人妻一区二区av| avwww免费| 蜜桃在线观看..| av视频免费观看在线观看| 久热这里只有精品99| 久久久欧美国产精品| 国产淫语在线视频| 天天躁狠狠躁夜夜躁狠狠躁| videos熟女内射| 成人国产一区最新在线观看 | 天天躁夜夜躁狠狠久久av| 中文字幕另类日韩欧美亚洲嫩草| 国产在线免费精品| 女人久久www免费人成看片| 老汉色av国产亚洲站长工具| 欧美激情极品国产一区二区三区| 国产在线视频一区二区| 视频区欧美日本亚洲| 午夜福利在线免费观看网站| 大陆偷拍与自拍| 天天添夜夜摸| 男女之事视频高清在线观看 | 欧美日韩福利视频一区二区| 2018国产大陆天天弄谢| 91老司机精品| 中文字幕av电影在线播放| 男男h啪啪无遮挡| 亚洲欧美一区二区三区久久| 精品久久久精品久久久| 欧美日韩国产mv在线观看视频| av国产久精品久网站免费入址| 中文字幕高清在线视频| 咕卡用的链子| 在线 av 中文字幕| 国产老妇伦熟女老妇高清| 久久精品亚洲熟妇少妇任你| 亚洲午夜精品一区,二区,三区| 一边摸一边抽搐一进一出视频| 五月天丁香电影| 中文字幕精品免费在线观看视频| 又黄又粗又硬又大视频| 欧美日韩精品网址| 一区二区三区激情视频| 美女视频免费永久观看网站| 自线自在国产av| 亚洲成人免费av在线播放| 亚洲国产毛片av蜜桃av| 久久精品aⅴ一区二区三区四区| 欧美在线黄色| 国产又色又爽无遮挡免| 国产精品国产av在线观看| 久久毛片免费看一区二区三区| 考比视频在线观看| 一本一本久久a久久精品综合妖精| 蜜桃在线观看..| 亚洲成av片中文字幕在线观看| 日韩,欧美,国产一区二区三区| 在线天堂中文资源库| 久久女婷五月综合色啪小说| 久久人妻熟女aⅴ| 一级,二级,三级黄色视频| 国产精品成人在线| 久久这里只有精品19| 色婷婷av一区二区三区视频| 亚洲成国产人片在线观看| 欧美中文综合在线视频| 久久午夜综合久久蜜桃| 国产成人免费无遮挡视频| 国产在视频线精品| 亚洲一区中文字幕在线| 悠悠久久av| 午夜福利视频在线观看免费| 久久精品aⅴ一区二区三区四区| 欧美变态另类bdsm刘玥| 亚洲,欧美精品.| 美女高潮到喷水免费观看| 免费女性裸体啪啪无遮挡网站| 日本a在线网址| 久久精品成人免费网站| 免费观看a级毛片全部| 一级毛片 在线播放| 丰满人妻熟妇乱又伦精品不卡| 脱女人内裤的视频| 欧美性长视频在线观看| 亚洲国产成人一精品久久久| 免费少妇av软件| 国产精品国产av在线观看| 亚洲av电影在线进入| 最黄视频免费看| 国产精品 欧美亚洲| 日日爽夜夜爽网站| 欧美日韩黄片免| 日本五十路高清| 老汉色av国产亚洲站长工具| 国产高清不卡午夜福利| 一区二区三区精品91| 自拍欧美九色日韩亚洲蝌蚪91| 中国国产av一级| 咕卡用的链子| 999精品在线视频| 两个人免费观看高清视频| 免费女性裸体啪啪无遮挡网站| 18在线观看网站| 亚洲av男天堂| 亚洲欧洲日产国产| 亚洲欧美日韩高清在线视频 | 另类亚洲欧美激情| 国产精品.久久久| 永久免费av网站大全| 日本色播在线视频| 中文字幕最新亚洲高清| 欧美人与性动交α欧美软件| 好男人电影高清在线观看| 国产主播在线观看一区二区 | 国产高清国产精品国产三级| 99国产精品一区二区三区| 国产爽快片一区二区三区| 人妻 亚洲 视频| 免费观看av网站的网址| 午夜av观看不卡| 久久久久精品国产欧美久久久 | 日韩av在线免费看完整版不卡| 欧美日韩成人在线一区二区| 久久久久视频综合| av在线播放精品| 欧美日韩精品网址| 极品少妇高潮喷水抽搐| 久久精品熟女亚洲av麻豆精品| 日韩,欧美,国产一区二区三区| 天天操日日干夜夜撸| 少妇人妻久久综合中文| 成人18禁高潮啪啪吃奶动态图| 国产免费视频播放在线视频| 亚洲一区中文字幕在线| 天天躁夜夜躁狠狠躁躁| 久久久久精品人妻al黑| 香蕉国产在线看| 多毛熟女@视频| 色播在线永久视频| 久久久久久免费高清国产稀缺| tube8黄色片| 国产成人精品在线电影| 国产精品偷伦视频观看了| 婷婷丁香在线五月| 久久国产亚洲av麻豆专区| 一区二区三区激情视频| 国产淫语在线视频| 国产精品.久久久| 国产精品 国内视频| e午夜精品久久久久久久| 精品一区二区三区av网在线观看 | 自线自在国产av| 久久天堂一区二区三区四区| 丝袜人妻中文字幕| 制服人妻中文乱码| 97人妻天天添夜夜摸| 极品少妇高潮喷水抽搐| 亚洲,欧美精品.| 国产精品 国内视频| 婷婷丁香在线五月| 一本综合久久免费| av线在线观看网站| 久久av网站| 久久免费观看电影| 久久久久久亚洲精品国产蜜桃av| 国产成人av激情在线播放| 一二三四在线观看免费中文在| 亚洲伊人色综图| 九草在线视频观看| 久久久久久久久久久久大奶| 各种免费的搞黄视频| 91精品国产国语对白视频| 久久精品久久久久久久性| videos熟女内射| 欧美日本中文国产一区发布| 视频在线观看一区二区三区| 成人三级做爰电影| 亚洲欧美清纯卡通| www.自偷自拍.com| 国产一区二区激情短视频 | 日韩,欧美,国产一区二区三区| 精品福利永久在线观看| 十分钟在线观看高清视频www| 成人影院久久| a级毛片黄视频| 国产成人系列免费观看| 久久久国产精品麻豆| 国产精品二区激情视频| 国产精品三级大全| 久久青草综合色| 人人澡人人妻人| 欧美成人午夜精品| av线在线观看网站| 日韩制服丝袜自拍偷拍| 一区福利在线观看| 国产三级黄色录像| 最黄视频免费看| 成人影院久久| 久久精品国产综合久久久| 亚洲精品国产av蜜桃| 嫩草影视91久久| 91精品三级在线观看| 亚洲人成77777在线视频| 国产一区二区激情短视频 | 精品国产超薄肉色丝袜足j| 免费在线观看影片大全网站 | 蜜桃在线观看..| 成在线人永久免费视频| 婷婷色麻豆天堂久久| 国产成人一区二区三区免费视频网站 | 精品少妇黑人巨大在线播放| 国产有黄有色有爽视频| 一级,二级,三级黄色视频| www.熟女人妻精品国产| 成年动漫av网址| 国产成人91sexporn| 亚洲精品中文字幕在线视频| 亚洲av国产av综合av卡| 丝袜脚勾引网站| 男女之事视频高清在线观看 | 国产91精品成人一区二区三区 | 久久99一区二区三区| 国产免费一区二区三区四区乱码| 久久精品国产亚洲av涩爱| 欧美中文综合在线视频| 国产淫语在线视频| 久久久久视频综合| 国产成人系列免费观看| av又黄又爽大尺度在线免费看| 男人舔女人的私密视频| 黄色片一级片一级黄色片| 美女视频免费永久观看网站| 麻豆国产av国片精品| 日韩一区二区三区影片| 一级片免费观看大全| 欧美性长视频在线观看| 最近中文字幕2019免费版| 国产99久久九九免费精品| 亚洲av美国av| 我的亚洲天堂| 99国产精品免费福利视频| 中国国产av一级| 美女午夜性视频免费| 国产精品亚洲av一区麻豆| 亚洲av在线观看美女高潮| 亚洲熟女精品中文字幕| 亚洲三区欧美一区| 一区二区三区精品91| 亚洲欧美日韩另类电影网站| 麻豆av在线久日| 曰老女人黄片| 电影成人av| 在线 av 中文字幕| 免费观看av网站的网址| 欧美乱码精品一区二区三区| 国产熟女欧美一区二区| 日韩免费高清中文字幕av| 成在线人永久免费视频| 中文字幕精品免费在线观看视频| 国产男女超爽视频在线观看| 国产免费视频播放在线视频| 女性生殖器流出的白浆| 大片免费播放器 马上看| 欧美日本中文国产一区发布| av在线播放精品| 人妻一区二区av| 一级毛片电影观看| 一区二区日韩欧美中文字幕| 成人影院久久| 亚洲久久久国产精品| 男女边摸边吃奶| 青草久久国产| 国产一区二区在线观看av| 观看av在线不卡| 一边亲一边摸免费视频| 9色porny在线观看| 一本综合久久免费| 一区二区三区激情视频| av在线老鸭窝| 国产亚洲欧美在线一区二区| 欧美精品人与动牲交sv欧美| 操美女的视频在线观看| 脱女人内裤的视频| 亚洲欧美精品综合一区二区三区| 老司机靠b影院| 日韩 欧美 亚洲 中文字幕| 国产又色又爽无遮挡免| 赤兔流量卡办理| 精品久久久久久久毛片微露脸 | 自拍欧美九色日韩亚洲蝌蚪91| 夫妻午夜视频| 久久青草综合色| 国产老妇伦熟女老妇高清| 亚洲中文字幕日韩| 亚洲国产看品久久| 人体艺术视频欧美日本| 成人黄色视频免费在线看| av天堂久久9| 97精品久久久久久久久久精品| 亚洲图色成人| 99国产精品免费福利视频| 亚洲九九香蕉| 最黄视频免费看| 国产一区二区 视频在线| 久久99热这里只频精品6学生| 精品一区在线观看国产| 高潮久久久久久久久久久不卡| 女人爽到高潮嗷嗷叫在线视频| 在线 av 中文字幕| 自线自在国产av| 久久鲁丝午夜福利片| 国产精品久久久久久人妻精品电影 | 99久久综合免费| 天天添夜夜摸| 久久精品亚洲熟妇少妇任你| 伊人亚洲综合成人网| 亚洲欧美激情在线| 免费观看a级毛片全部| 亚洲精品国产区一区二| 黄色片一级片一级黄色片| videos熟女内射| 桃花免费在线播放| 欧美97在线视频| 亚洲国产中文字幕在线视频| 18禁国产床啪视频网站| 久久精品久久精品一区二区三区| 色婷婷av一区二区三区视频| 极品少妇高潮喷水抽搐| 成人国语在线视频| h视频一区二区三区| 国产精品一区二区在线不卡| 日本黄色日本黄色录像| 国产免费一区二区三区四区乱码| 你懂的网址亚洲精品在线观看| 一本综合久久免费| 国产精品 国内视频| 亚洲欧美激情在线| bbb黄色大片| 日本91视频免费播放| 婷婷丁香在线五月| 国产一卡二卡三卡精品| 国产av国产精品国产| 国产亚洲欧美在线一区二区| 老司机深夜福利视频在线观看 | 国产男女内射视频| 午夜福利,免费看| 丁香六月欧美| 你懂的网址亚洲精品在线观看| www日本在线高清视频| 亚洲国产欧美一区二区综合| 啦啦啦啦在线视频资源| 国产成人一区二区三区免费视频网站 | 看十八女毛片水多多多| 欧美 亚洲 国产 日韩一| 母亲3免费完整高清在线观看| 水蜜桃什么品种好| 国产三级黄色录像| 99久久99久久久精品蜜桃| 欧美日韩综合久久久久久| 亚洲av片天天在线观看| 性色av乱码一区二区三区2| 手机成人av网站| 嫁个100分男人电影在线观看 | 亚洲伊人久久精品综合| 十八禁高潮呻吟视频| 国产精品人妻久久久影院| 91成人精品电影| 免费久久久久久久精品成人欧美视频| kizo精华| 久久久久久久精品精品| 免费观看人在逋| 国产精品99久久99久久久不卡| 日韩大码丰满熟妇| 乱人伦中国视频| 欧美日韩亚洲国产一区二区在线观看 | 纵有疾风起免费观看全集完整版| 亚洲专区国产一区二区| 最黄视频免费看| 亚洲第一av免费看| 久久综合国产亚洲精品| 成人亚洲欧美一区二区av| a级毛片黄视频| 亚洲一卡2卡3卡4卡5卡精品中文| 国产日韩欧美亚洲二区| 久久国产精品人妻蜜桃| 人体艺术视频欧美日本| 久热爱精品视频在线9| 欧美日韩一级在线毛片| 青春草视频在线免费观看| 国产日韩一区二区三区精品不卡| 女人久久www免费人成看片| 又黄又粗又硬又大视频| 久久精品亚洲av国产电影网| videos熟女内射| 一级毛片电影观看| 国产三级黄色录像| 日韩 亚洲 欧美在线| 国产欧美日韩综合在线一区二区| 男女午夜视频在线观看| 亚洲情色 制服丝袜| 99国产综合亚洲精品| 一边摸一边做爽爽视频免费| 亚洲国产av影院在线观看| 少妇被粗大的猛进出69影院| 91精品伊人久久大香线蕉| 亚洲欧美一区二区三区黑人| 婷婷色av中文字幕| 亚洲成国产人片在线观看| a级片在线免费高清观看视频| 久久国产亚洲av麻豆专区| 纵有疾风起免费观看全集完整版| 999精品在线视频| 精品欧美一区二区三区在线| 一二三四社区在线视频社区8| 9191精品国产免费久久| 亚洲五月婷婷丁香| 天天影视国产精品| 啦啦啦视频在线资源免费观看| 天堂中文最新版在线下载| 黄色 视频免费看| 国产一区亚洲一区在线观看| 欧美激情 高清一区二区三区| 9191精品国产免费久久| 大香蕉久久成人网| 国产精品久久久av美女十八| 国产99久久九九免费精品| 欧美精品人与动牲交sv欧美| 乱人伦中国视频| 成人18禁高潮啪啪吃奶动态图| 天天添夜夜摸| 久久久久久免费高清国产稀缺| 99热网站在线观看| 亚洲久久久国产精品| 中文乱码字字幕精品一区二区三区| 久久性视频一级片| 天天影视国产精品| 91精品国产国语对白视频| 母亲3免费完整高清在线观看| 国产欧美日韩一区二区三区在线| 国产男人的电影天堂91| 女人久久www免费人成看片| 丝袜脚勾引网站| 亚洲伊人久久精品综合| 蜜桃在线观看..| 欧美 亚洲 国产 日韩一| av福利片在线| 亚洲视频免费观看视频| 91九色精品人成在线观看| 久久性视频一级片| 男人添女人高潮全过程视频| 国产1区2区3区精品| 日韩一本色道免费dvd| videos熟女内射| 黑人欧美特级aaaaaa片| 性色av乱码一区二区三区2| 三上悠亚av全集在线观看| 伦理电影免费视频| 精品免费久久久久久久清纯 | 性少妇av在线| 熟女av电影| 在现免费观看毛片| 99热国产这里只有精品6| 1024香蕉在线观看| 欧美精品啪啪一区二区三区 | 国产成人免费观看mmmm| 亚洲国产精品999| 五月天丁香电影| 别揉我奶头~嗯~啊~动态视频 | 美女大奶头黄色视频| 亚洲精品一区蜜桃| 久久影院123| 久久人妻熟女aⅴ| 亚洲 国产 在线| 亚洲国产精品一区三区| 在线看a的网站| 亚洲图色成人| 午夜免费鲁丝| 天天躁夜夜躁狠狠久久av| 午夜免费成人在线视频| 人人妻人人添人人爽欧美一区卜| 国产福利在线免费观看视频|