李梅琴

(闽西职业技术学院 实训实验管理中心,福建 龙岩 364021)

对智慧教室进行多类别人物识别时,识别是否准确至关重要。人物行为识别是将静态或动态图像中的人物信息与数据库中信息进行对比,达到身份识别的目的[1]。人物行为识别过程中,受视频背景、角度、光照、人物动作等因素影响,人物行为识别难度较高,导致准确率降低。

为提升智慧教室人物行为识别效果,覃俊等[2]通过超列注意力机制的卷积神经网络,对关键区域定位,将超列集根据像素点形式串联主干网络达到多层叠加特征效果,提高人物行为识别准确率。但该方法对复杂背景中人物动作分类易混淆,无法准确识别。赵静等[3]提出深度学习的多类别目标识别方法,输入目标图像数据集至神经网络,实现目标图像的分类和识别,识别准确率达96%。此方法降低了计算难度,但在实际应用中受各种因素影响,导致识别效果降低。江鹏飞等[4]为了识别低分辨率远红外监护视频中的人物身份,通过人物运动轨迹与跨模态多摄像头接力跟踪结果,引入人脸识别算法,利用可见光摄像头识别低分辨率远红外监护视频中的人物身份,并完成身份一致性认定。朱容辰等[5]针对流量收集与处理工作量较大的问题,构建融合显性、隐性、动态标识符的摄像头身份标识体系,基于自信息量与信息熵,通过替换或篡改监控摄像头这一重要的前端设备,提取摄像头静态信息与动态流量信息,构建了标识符贡献度评估方法,但是尚未分析方法独特性与针对性,不适用于多个场景。……