申请/专利权人：北京工业大学

申请日：2024-01-26

公开（公告）日：2024-04-16

公开（公告）号：CN117894079A

主分类号：G06V40/20

分类号：G06V40/20;G06V20/40;G06V10/80;G06V10/82;G06N3/0442;G06N3/08;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明公开了基于长短时序特征增强和关键帧特征提取的小样本动作识别方法，首先通过额外引入图像的近红外模态来缓解可见光图像的局限性得到融合特征；提取视频帧序列不同时间尺度的局部短期时序信息，从而增强模型对于局部短期时序信息的捕获能力；提取视频的全局长期时序信息，减少被遮挡帧对识别的影响；通过比较每帧的特征向量与全局特征向量之间的余弦相关性，将视频帧序列中判别性更强、与动作相关性更大的帧作为关键帧，并提取关键帧特征；将融合特征、长短时序增强特征和关键帧特征在特征维度连接得到动作特征；通过小样本分类器对动作特征进行识别，完成小样本动作识别任务。该方法使用交叉熵损失优化模型以提高识别的准确率。

主权项：1.基于长短时序特征增强和关键帧特征提取的小样本动作识别方法，实现该方法的模块包含：可见光-近红外双流融合模块、长短时序特征增强模块、关键帧特征提取模块和小样本分类器；其特征在于，对给定的视频帧序列，进行如下操作：1可见光-近红外双流融合模块具有两个分支，分别将可见光视频帧序列和近红外视频帧序列作为输入，输出融合特征；2长短时序特征增强模块将融合特征作为输入，长短时序特征增强模块中的短期时序子模块和长期时序子模块分别提取视频帧序列的局部短期时序信息以及全局长期时序信息，最终输出长短时序增强特征；3关键帧特征提取模块将融合特征作为输入，通过设置一个聚合视频所有帧信息的全局特征向量，然后比较每帧的特征向量与全局特征向量之间的余弦相关性，将视频帧序列中判别性更强、与动作相关性更大的帧作为关键帧，最终输出关键帧特征；4将融合特征、长短时序增强特征和关键帧特征在时间维度平均池化，再连接得到动作特征；通过小样本分类器对动作特征进行识别，完成小样本动作识别任务。

全文数据：

权利要求：

百度查询： 北京工业大学 基于长短时序特征增强和关键帧特征提取的小样本动作识别方法

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