Resumen

Con el significativo aumento de la informatización social, la emergente tecnología de la información representada por la visión artificial se ha aplicado a cada vez más escenas. Entre ellas, la detección y extracción del esqueleto humano en un vídeo de baile basada en esta tecnología tiene una enorme demanda en el mercado de la educación y la formación. Sin embargo, la tecnología de detección y extracción existente tiene los problemas de la lenta velocidad de reconocimiento y la baja precisión de la extracción. Por ello, este trabajo propone una red neuronal basada en la optimización de enjambre de partículas para detectar y extraer esqueletos humanos en un vídeo de danza. A través de la investigación y la prueba en diferentes conjuntos de datos, se encuentra que la red neuronal basada en el algoritmo de optimización de enjambre de partículas tiene una buena capacidad de detección y extracción y tiene una alta precisión para la detección y el reconocimiento de los puntos del esqueleto humano. Entre ellos, en todos los conjuntos de datos de MPII, la precisión media de PSO-LSTM propuesta en este trabajo es un 3,9% superior a la de otros algoritmos óptimos; en el conjunto de datos PoseTrack, la precisión media de detección y extracción se mejora en un 2,3%. Los resultados anteriores muestran que la red neuronal basada en la optimización del enjambre de partículas tiene una velocidad de detección rápida y una buena precisión de extracción y puede utilizarse para la detección y extracción del esqueleto humano en un vídeo de baile.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:red neuronal, vídeo de baile, esqueleto humano, detección, optimización de enjambre, precisión media, gran demanda del mercado, conjunto de datos diferentes, baja precisión de extracción, precisión de detección
• Keywords:neural network, dance video, human skeleton, detection, swarm optimization, average accuracy, huge market demand, different data set, low extraction accuracy, accuracy of detection