[发明专利]一种基于MobileNetV3网络模型的红外人体行为识别方法

权利要求书

1.一种基于MobileNetV3网络模型的红外人体行为识别方法，其特征在于：包括以下步骤：

S1：室内拍摄红外视频；

S2：选择多人参与拍摄，实施动作分别为：坐、立、躺、行走、奔跑、跳跃；

S3：共拍摄230个小视频，将230个小视频切帧成62806张图像，帧率为30fps；

S4：分成6类数据集的同时，划分数据集为88%训练集，10%验证集，2%测试集；

S5：生成训练和验证txt标签文件并生成7个record文件方便送入网络；

S6：送入神经网络训练；

S7：模型预测，实现动作的识别与预测。

2.根据权利要求1所述的一种基于MobileNetV3网络模型的红外人体行为识别方法，其特征在于：所述步骤S1中的拍摄环境为实验室、宿舍、会议室中的一种或多种。

3.根据权利要求1所述的一种基于MobileNetV3网络模型的红外人体行为识别方法，其特征在于：所述步骤S5中将所有图片的文件名称生成训练train和验证val的txt标签文件，将训练数据转换为TFrecords格式，由于样本量大，故生成7个record数据格式的文件，送入网络。

4.根据权利要求1所述的一种基于MobileNetV3网络模型的红外人体行为识别方法，其特征在于：所述步骤S6中神经网络训练所用的是轻量级网络模型MobileNet。

5.根据权利要求4所述的一种基于MobileNetV3网络模型的红外人体行为识别方法，其特征在于：所述MobileNet的基本单元是深度级可分离卷积，其包括Depthwise卷积和Pointwise卷积。

6.根据权利要求5所述的一种基于MobileNetV3网络模型的红外人体行为识别方法，其特征在于：所述Depthwise卷积：一个卷积核对应一个输入通道，一个通道只被一个卷积核卷积；Pointwise卷积：采用1x1xM的卷积核。