申请/专利权人：西安石油大学

申请日：2023-10-20

公开（公告）日：2024-02-09

公开（公告）号：CN117542112A

主分类号：G06V40/20

分类号：G06V40/20;G06V10/82;G06N3/042;G06N3/0464;G06N3/082;G06V10/774;G06V10/776;G06V10/764

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.01#实质审查的生效;2024.02.09#公开

摘要：一种基于快慢分层重分解图卷积网络的人体骨骼数据行为识别方法，其特征在于，包括以下步骤；1将数据集划分为训练集和测试集；2定义分层重分解图；3构建分层重分解图卷积层；4在分层重分解图卷积层之后添加空间注意力引导的分层聚合模块；5由步骤3和步骤4构成空间建模模块，再搭建多尺度时间建模模块；6将SlowFast架构扩展到分层重分解图卷积块上，构建快慢分层重分解图卷积网络；7分别计算输入高阶数据信息，最后融合所有输出流的结果；8对快慢分层重分解图卷积网络进行训练；9对训练后的快慢分层重分解图卷积网络进行评估。本发明不仅提取关节流、骨骼流的特征信息，还提取其运动流特征，最后进行多流网络的融合。

主权项：1.一种基于快慢分层重分解图卷积网络的人体骨骼数据行为识别方法，其特征在于，包括以下步骤；1选择NTURGB+D60、NTURGB+D120、Northwestern-UCLA数据集作为输入数据，输入数据格式为三维骨骼序列数据，将每个数据集划分为训练集和测试集；2定义分层重分解图，将人体关节点划分层次，并实例化两种分层重分解图；3基于分层重分解图构建分层重分解图卷积层，其包含四个并行分支操作；4在所述分层重分解图卷积层之后添加空间注意力引导的分层聚合模块，分层聚合模块对每一层次的空间特征即关节点的空间关系突出关注，并使用聚合策略将每一层次的输出相加；5由步骤3和步骤4所搭建的架构构成空间建模模块，再搭建一个多尺度时间建模模块，空间建模模块与多尺度时间建模模块共同构成一个完整的分层重分解图卷积块；6将SlowFast架构扩展到步骤5所搭建的分层重分解图卷积块上，构建快慢分层重分解图卷积网络；7基于步骤2中两种不同的分层重分解图，分别计算输入高阶数据信息，最后融合所有输出流的结果；8使用所述训练集对所述快慢分层重分解图卷积网络进行训练；9使用分类准确率作为评估标准，对步骤8训练后的快慢分层重分解图卷积网络进行评估。

全文数据：

权利要求：

百度查询： 西安石油大学 一种基于快慢分层重分解图卷积网络的人体骨骼数据行为识别方法

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