APP下载

基于图像特征融合的农事活动行为的识别

2021-11-04李子茂余慧夏梦郑禄徐杰

湖南农业大学学报(自然科学版) 2021年5期
关键词:特征活动模型

李子茂,余慧,夏梦,郑禄,徐杰

基于图像特征融合的农事活动行为的识别

李子茂1,2,余慧1,2,夏梦1,2,郑禄1,2,徐杰1,2

(1.中南民族大学计算机科学学院,湖北 武汉 430074;2.湖北省制造企业智能管理工程技术研究中心,湖北 武汉 430074)

针对农事活动图像中人体姿态所隐含的行为信息以及人与农具所隐含的关联信息,提出了一种基于图像特征融合的农事活动行为的识别方法:利用人体姿态估计技术OpenPose提取农事行为关节点位置信息,利用目标检测YOLOv3提取农事行为中农具的位置和分类信息,用以构建农事行为的距离空间特征矩阵和角度空间特征矩阵,并将这些特征进行图像特征融合,建立基于图像显式特征和隐式特征融合的农事活动行为识别方法EI-SVM,实现农事活动行为的识别。试验结果表明,EI-SVM方法对农事活动行为识别的准确率可达94.87%,在公用数据集上准确率达到92.39%。

农事活动;人体姿态;行为识别;目标检测;图像特征融合

计算机视觉技术在行为识别上的应用,传统方法是手工提取图像特征[1],近几年利用机器学习或深度学习[2]提取图像特征并进行特征融合成为常用的方法[3-4]。对静态图像行为的特征挖掘发现,人体姿态可作为行为识别的一个较好的出发点。利用人体姿态估计[5]对于农事活动行为识别,可以利用图像数据中的表象特征,如农具类别、肢体姿态来区分单张静态图像的动作[6]。人类农事活动行为有一些比较显著的特征,如除草时人的腿部呈交叉状、手部与身躯存在一定角度等。……

登录APP查看全文

猜你喜欢

特征活动模型
一半模型
“六小”活动
“活动随手拍”
行动不便者,也要多活动
重尾非线性自回归模型自加权M-估计的渐近分布
如何表达“特征”
不忠诚的四个特征
三八节,省妇联推出十大系列活动
3D打印中的模型分割与打包
线性代数的应用特征