4 个月前

ActiveNet:基于计算机视觉的方法确定迟钝状态

ActiveNet:基于计算机视觉的方法确定迟钝状态

摘要

COVID-19疫情的暴发迫使人们长时间待在室内,导致身体活动水平显著下降。我们的研究基于这一背景,旨在构建一种核心机制,通过单目图像实时检测目标人员的活动水平。该方法的应用范围广泛,包括面试、在线课程、安全监控等领域。我们提出了一种基于计算机视觉的多阶段方法,首先检测人员的姿态,然后采用一种新颖的方法进行编码,最后通过经典机器学习算法评估其活动水平。此外,我们还设计了一个警报系统,通过向相关人员发送通知警报来抑制倦怠感。

代码仓库

基准测试

基准方法指标
activeness-detection-on-coco-test-devLightweight OpenPose
Accuracy (%): 76.67

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
ActiveNet:基于计算机视觉的方法确定迟钝状态 | 论文 | HyperAI超神经