申请/专利权人:深圳大学
申请日:2020-07-23
公开(公告)日:2024-04-09
公开(公告)号:CN111985343B
主分类号:G06V40/20
分类号:G06V40/20;G06V10/764;G06V10/80;G06V10/82;G06N3/0464;G06N3/045;G06N3/09
优先权:
专利状态码:有效-授权
法律状态:2024.04.09#授权;2020.12.11#实质审查的生效;2020.11.24#公开
摘要:本发明公开了一种行为识别深度网络模型的构建方法及行为识别方法,该构建方法包括:获取骨架序列特征图;根据骨架序列特征图中的局部特征和全局信息构建通道注意力模型;根据骨架序列特征图中的空间维度和时间维度构建时空注意力模型;根据通道注意力模型、时空注意力模型及预训练的神经网络模型构建行为识别深度网络模型。通过实施本发明,在现有的神经网络模型中嵌入通道注意力模型和时空注意力模型,通道注意力模型增强了与骨架运动相关的局部特征;时空注意力模型可以捕捉全局时空上下文感知协同关系,有利于捕捉涉及长距离关节点交互的空间共现特征和远距离时刻骨架帧的时间交互特征,由此可以构建得到识别准确的行为识别深度网络模型。
主权项:1.一种行为识别深度网络模型的构建方法,其特征在于,包括:获取骨架序列特征图;根据骨架序列特征图中的局部特征和全局信息构建通道注意力模型;根据骨架序列特征图中的空间维度和时间维度构建时空注意力模型;根据所述通道注意力模型、所述时空注意力模型及预训练的神经网络模型构建行为识别深度网络模型;根据骨架序列特征图中的局部特征和全局信息构建通道注意力模型,包括:根据卷积运算提取所述骨架序列特征图中的局部特征得到局部特征集合;根据全局平均池化运算对所述局部特征集合进行聚合,得到包含全局信息的通道描述子;根据所述通道描述子进行全连接运算和帧差运算,得到运动增强的骨架序列特征图作为通道注意力模型;根据所述通道描述子进行全连接运算和帧差运算,得到运动增强的骨架序列特征图作为通道注意力模型,包括:根据所述通道描述子进行降维全连接运算和帧差运算,得到运动信息;根据所述运动信息进行升维全连接运算,得到通道注意力权重;根据所述通道注意力权重和局部特征集合计算得到运动增强的骨架序列特征图作为通道注意力模型。
全文数据:
权利要求:
百度查询: 深圳大学 一种行为识别深度网络模型的构建方法及行为识别方法
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。