5、人类活动分类与智能物联网产品分发及计费系统

人类活动分类与智能物联网产品分发及计费系统

1. 人类活动分类的深度卷积神经网络模型

在人类活动分类的研究中，提出了一种深度卷积神经网络（DCNN）模型，用于对六种人类活动进行分类，包括抬手、捡物品、深蹲、合十礼问候、打电话和持枪动作。

1.1 模型训练与数据

• 训练数据 ：该模型在MPII姿势数据和自定义生成的数据集上进行训练。自定义数据集包含合十礼和持枪动作的对应数据，并且通过复制合十礼的姿势图像来平衡数据集。
• 训练环境 ：模型运行在Windows 10工作框架下，PC配置为Intel Core i7 9750H CPU和Nvidia GTX 1650 4 GB GPU。使用GPU（GTX 1660）时，VGG 16模型估计二维人体姿势的帧率为6 FPS。
• 训练参数 ：在TensorFlow上以批量大小20和学习率0.001对模型进行训练。

1.2 模型测试

• 测试数据 ：模型的测试在下载的视频和从网络摄像头捕获的实时视频上进行。从这些视频帧中提取人体关节坐标，并存储在CSV文件中。
• 测试结果 ：模型在YouTube下载的视频和实时网络摄像头捕获的视频上都表现出了强大的性能。通过增加训练轮数，使用adam优化器和分类交叉熵损失函数进行训练，模型达到了99.7%的训练准确率和99.2%的测试准确率，表现令人满意。