[发明专利]一种基于MobileNetV3网络模型的红外人体行为识别方法

说明书

本发明公开了一种基于MobileNetV3网络模型的红外人体行为识别方法，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。本发明，使用轻量级的神经网络模型MobileNetV3，减少参数和计算量的同时，提高精确度，后期可以使用在各类移动端包括手机、嵌入式设备例如jetson nano等设备上。

技术领域

本发明涉及深度学习技术领域，具体是一种基于MobileNetV3网络模型的红外人体行为识别方法。

背景技术

人体行为识别是目前计算机视觉范畴的重要研究，在视频监控、智能家居、人机交互等众多方面有着广泛的应用，不仅具有重要的科学意义，也有十分关键的实用价值。

人体行为识别是从传感器、视频等工具中获取数据来源，形成可参考的数据库，以供后面的网络进行学习。传感器数据主要是由加速度计、陀螺仪等采集人体在不同动作时的加速度和角速度数据，形成一维数据；视频数据又分为多种，网上可供下载的数据集包括：传统视频数据集比如来自32部电影的Hollywood数据集、UCF系列数据集；跨视角数据集包括IXMAS数据库、NUMA数据库等；跨光谱数据集例如高陈强教授团队所拍摄的红外热像仪数据集、KTH红外数据集等。

数据集是人体行为识别中重要的数据来源，网络模型的选择也非常关键。深度学习中用于图像分类的神经网络模型很多，经典的模型AlexNet、VGG系列网络、GoogLeNet系列、ResNet以及DenseNet等。AlexNet使用了非线性激活函数ReLU，添加防止过拟合的多种方法，多GPU实现并使用了LRN归一化层，使得卷积神经网络成为图像识别分类的核心算法模型，带来了深度学习的大爆发，是具有历史意义的一个网络结构；VGGNet构筑了16~19层深的卷积神经网络，证明了增加网络的深度能够在一定程度上影响网络最终的性能，使错误率大幅下降，同时拓展性又很强，迁移到其它图片数据上的泛化性也非常好。到目前为止，VGG仍然被用来提取图像特征。GoogLeNet深度只有22层，大小比AlexNet和VGG小很多，参数为500万个，AlexNet参数个数是GoogleNet的12倍，VGGNet参数又是AlexNet的3倍，因此在内存或计算资源有限时，GoogleNet是比较好的选择。从模型结果来看，GoogLeNet的性能也更加优越。ResNet模型是卷积神经网络史上的里程碑事件，深层次的网络使得训练的准确度更高；DenseNet模型的基本思路与ResNet一致，不同的是它建立的是前面所有层与后面层的密集连接（dense connection），通道连接进而实现特征重用，性能更优。

不断增加网络的深度可以提高网络的性能，但随着网络层数的不断增加，会带来两个主要的问题：一是过拟合，训练数据不足；二是计算资源的浪费，因为网络中大量神经元激活函数的输出最后会变为零。因此本专利选择Google公司在2019年新推出的MobilenetV3，该网络模型是一个轻量级的网络，参数量更少，网络的大小也就相应减少；另外，计算量也相应减少，网络的效率也就更高，并只损失了少量的精度。

发明内容

本发明的目的在于提供一种基于MobileNetV3网络模型的红外人体行为识别方法，以解决现有技术中的问题。

为实现上述目的，本发明提供如下技术方案：一种基于MobileNetV3网络模型的红外人体行为识别方法，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；