申请/专利权人：中国科学院自动化研究所

申请日：2021-04-26

公开（公告）日：2024-04-30

公开（公告）号：CN113723169B

主分类号：G06F30/27

分类号：G06F30/27

优先权：

专利状态码：有效-授权

法律状态：2024.04.30#授权;2021.12.17#实质审查的生效;2021.11.30#公开

摘要：本发明属于行为识别技术领域，具体涉及了一种基于SlowFast的行为识别方法、系统及设备装置，旨在解决识别效率低以及识别精度低的问题。方法包括：对目标行为原始视频数据进行预处理得到预处理视频数据；将预处理视频数据划分为训练数据集和验证数据集；将训练数据集输入至预先构建的第一SlowFast神经网络识别模型中进行初步训练，得到第二SlowFast神经网络识别模型；根据验证数据集计算第二SlowFast神经网络识别模型的识别精度；根据识别精度调整第二SlowFast神经网络识别模型的参数，并进行迭代训练，得到第三SlowFast神经网络识别模型；利用第三SlowFast神经网络识别模型识别真实环境中的目标行为。本发明大大提高了识别效率，节省了人力和时间，并提高了识别精度。

主权项：1.一种基于SlowFast的行为识别方法，其特征在于，所述方法包括：对目标行为原始视频数据进行预处理得到预处理视频数据；将所述预处理视频数据划分为训练数据集和验证数据集；将所述训练数据集输入至预先构建的第一SlowFast神经网络识别模型中进行初步训练，得到第二SlowFast神经网络识别模型；具体为：对所述训练数据集按照预设采样规则采样得到预设帧数的第一视频数据样本；具体为：获取训练数据集中每个视频数据的初始帧数；根据所述初始帧数与采样间隔的预设正比对应关系确定采样间隔；根据所述采样间隔进行采样得到中间视频数据样本；若所述中间视频数据样本的帧数大于预设帧数，则随机截取预设帧数的视频数据样本确定为第一视频数据样本；对所述第一视频数据样本进行数据增强预处理；对数据增强预处理后的第一视频数据样本按照第一采样间隔采样得到第二视频数据样本，并输入至第一SlowFast神经网络识别模型中的Slow支路得到目标行为的空间信息；对数据增强预处理后的第一视频数据样本按照第二采样间隔采样得到第三视频数据样本，并输入至第一SlowFast神经网络识别模型中的Fast支路，得到目标行为的时间信息；其中，第一采样间隔大于第二采样间隔；将所述空间信息和时间信息进行融合；根据融合后的信息计算得到训练识别结果；按照预设训练次数重复上述训练过程，得到第二SlowFast神经网络识别模型；根据所述验证数据集计算所述第二SlowFast神经网络识别模型的识别精度；根据所述识别精度调整所述第二SlowFast神经网络识别模型的参数，并进行迭代训练，得到第三SlowFast神经网络识别模型；利用所述第三SlowFast神经网络识别模型识别真实环境中的目标行为。

全文数据：

权利要求：

百度查询： 中国科学院自动化研究所 基于SlowFast的行为识别方法、系统及设备

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