准确率超95%
融合全身骨架多尺度时空特征和局部骨骼角度变化，异常坐姿识别准确率显著优于现有模型。
Linhan, Li · 杨观赐 · Li, Yang · Dongying, Zhu · He, Ling
Engineering Applications of Artificial Intelligence 2023
结合多尺度时空特征和局部骨骼角度变化，平均准确率达到95.24%，优于四种SOTA模型及其组合。
平均识别时间仅7.094 ms，可满足实时坐姿监测需求，部署在摄像头或传感器系统中不会造成明显延迟。
额外引入基于循环神经网络的局部骨骼角度特征提取，使模型对坐姿的细微变化更敏感。
在相同数据集上与四种SOTA模型及其组合对比，本方法的综合指标全面领先。