计算机应用研究

作者：朱斌杰,李裕麒,

单位：宁波大学信息科学与工程学院,浙江宁波315000；

关键词：坐姿识别,隐私保护,ResNet,特征融合,

基金：宁波市公益性研究计划资助项目；；

现有基于视觉的坐姿识别方法普遍存在过度采集个体生物信息的问题，在追求高识别精度的同时，未充分考虑个人隐私的保护，从而增加了个人信息泄露的风险。针对上述问题，提出了一种在无镜头成像环境下基于层叠特征融合区域注意力增强的坐姿识别方法。该方法旨在利用无镜头成像技术下的模糊图像，通过设计特征融合与锐化模块，结合改进的级联分组注意力机制，增强了模型对关键特征和细节的捕捉能力。同时，采用组合损失函数优化了模型性能。实验结果表明，所提方法在自建无镜头坐姿数据集上，在准确率、精确度、召回率和F1-score上分别达到了0.964 77、0.931 96、0.935 27和0.932 46，均高于其他对比方法，有效提升了坐姿识别的隐私保护性和识别精度。

来源：2025年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第4期