申请/专利权人：吉林大学

申请日：2020-10-10

公开（公告）日：2021-01-12

公开（公告）号：CN112215130A

主分类号：G06K9/00(20060101)

分类号：G06K9/00(20060101);G06K9/62(20060101);G06N3/04(20060101);G06N3/08(20060101)

优先权：

专利状态码：有效-授权

法律状态：2022.08.16#授权;2021.01.29#实质审查的生效;2021.01.12#公开

摘要：本发明公开了一种基于2.5D3D混合卷积模型的人体行为识别方法，构建融合2.5D与3D卷积模块的卷积神经网络架构，并利用公开的人体行为识别数据集进行端到端的预训练，得到初始化网络模型，读取人体行为训练视频，对训练视频进行均等采样与数据增强，利用数据增强后的采样帧拼接构建2.5D图像，将其输入到经过预训练的网络架构进行模型训练，形成识别模型。读取测试集中的人体行为视频，对其进行采样与裁剪，输入到识别模型进行识别，端到端地判断其所属的行为类别。本发明根据2.5D、3D卷积模块可以针对视频帧序列进行有效的时间与空间建模的特点，构建并训练可以准确识别人体行为的神经网络架构。

主权项：1.一种基于2.5D3D混合卷积模型的人体行为识别方法，其特征在于，包括以下步骤：步骤1，搭建2.5D3D混合卷积神经网络模型；步骤2，读取人体行为数据训练集中的视频数据；步骤3，针对所述步骤2读取的视频数据进行时间采样与空间增强操作，并进行拼接，得到2.5D图像序列；步骤4，将所述步骤3中得到的图像序列输入到已通过预训练的神经网络模型中，进行模型训练；步骤5，读取测试数据集中的人体行为视频数据；步骤6，将所述步骤5读取的视频数据进行采样、裁剪、拼接，得到2.5D图像序列；步骤7，将所述步骤6得到的图像序列作为所述步骤4训练得到的模型的输入，得到测试视频中人体行为的所属类别。

全文数据：

权利要求：

百度查询： 吉林大学 一种基于2.5D/3D混合卷积模型的人体行为识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD