申请/专利权人:重庆邮电大学
申请日:2023-12-29
公开(公告)日:2024-04-02
公开(公告)号:CN117809109A
主分类号:G06V10/764
分类号:G06V10/764;G06V40/20;G06V20/40;G06V10/46;G06V10/80;G06V10/82;G06N3/0464;G06V10/62
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本发明涉及一种基于多尺度时间特征的行为识别方法,属于计算机视觉领域,包括以下步骤:S1:逐帧采集被测试者在测试时间段内的视频图像;S2:提取视频图像连续帧中的人体25个骨骼关键点,排除非必要骨骼点信息,并提取出关节点和骨骼的位置信息和速度信息作为输入数据;S3:通过早期融合双分支网络,将关节点和骨骼的位置信息,以及关节点和骨骼的速度信息分别通过两个分支输入,每个分支通过三个主干网络模块进行特征融合;S4:将早期融合数据馈送到包含六个主干网络模块的主流进行判别处理;S5:最后进行特征融合分类,得到行为分类结果。
主权项:1.一种基于多尺度时间特征的行为识别方法,其特征在于:包括以下步骤:S1:逐帧采集被测试者在测试时间段内的视频图像;S2:提取视频图像连续帧中的人体25个骨骼关键点,排除非必要骨骼点信息,并提取出关节点和骨骼的位置信息和速度信息作为输入数据;S3:通过早期融合双分支网络,将关节点和骨骼的位置信息,以及关节点和骨骼的速度信息分别通过两个分支输入,每个分支通过三个主干网络模块进行特征融合;S4:将早期融合数据馈送到包含六个主干网络模块的主流进行判别处理;S5:最后进行特征融合分类,得到行为分类结果。
全文数据:
权利要求:
百度查询: 重庆邮电大学 基于多尺度时间特征的行为识别方法
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。