基于多流深度卷积神经网络集成框架的人体姿态识别方法研究

《Scientific Reports》：Enhanced human posture recognition using multi-stream deep CNN with blended ensemble classification

　　

摘要

人体姿态识别在过去的十多年里一直是一个引人注目的研究领域，对于坐姿、站姿、卧姿和行走姿态等任务具有极高的价值，尤其在老年护理和公共卫生监测方面。虽然现有的基于传感器、视觉和特征的方法已被广泛采用，但随着日益普及且价格实惠的计算能力，人们的关注点已转向深度学习技术，以提升准确率和效率。为了解决这些局限性，本文提出了一种多流深度卷积神经网络（CNN）集成框架，用于可靠的人体姿态识别。所提方法在设计上具有新颖性，融合了来自多个预训练CNN主干网络的多流特征聚合、集成学习前的基于主成分分析（PCA）的降维处理，以及一个结合了互补基分类器的异构混合框架。该方法联合优化了特征多样性和决策鲁棒性，在多个基准姿态识别数据集上相较于本研究评估的预训练CNN基线和集成变体，取得了具有竞争力甚至更优的准确率。该方法在五个公开可用的数据集上进行了评估：KARD、MCF、NUCLA、URFD 和 UP Fall。在大多数评估的数据集和指标上，本方法在精确率、准确率和召回率方面与所比较的方法持平或更优，但有两个例外（NUCLA 和 UP Fall Front），其中单个分类器在单一指标准确率上略高，而所提方法则实现了更为均衡的精确率、召回率和 F1-Score。研究结果突显了该模型的有效性和效率，表明其在姿态识别实际应用中的潜力。值得注意的是，该方法准确率最高可达 98.51%，通过 PCA 将组合特征维度降低了 93.75%，并且在相同硬件上相较独立的 ResNet-101 基线，推理延迟降低了 10.7%（见"环境"部分和表 12）。其改进的性能以及降低的计算需求使其成为敏感应用场景的理想候选方案，例如远程监测老年人以帮助降低健康风险并支持获得护理服务。鉴于其特征维度更低且推理延迟更短（与本文评估的独立CNN基线相比），该框架也可作为探索在便携式和边缘计算设备上部署的合理起点，尽管尚未在此类硬件上进行直接基准测试。