[发明专利]一种基于视频前后帧相关信息感知的运动特征提取方法在审
申请号: | 201910033541.7 | 申请日: | 2019-01-14 |
公开(公告)号: | CN109886104A | 公开(公告)日: | 2019-06-14 |
发明(设计)人: | 姜伟;吴骞 | 申请(专利权)人: | 浙江大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06N3/04;G06N3/08 |
代理公司: | 杭州求是专利事务所有限公司 33200 | 代理人: | 邱启旺 |
地址: | 310058 浙江*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 目标视频 相关信息 运动特征提取 视频 方法提取 神经网络 信息特征 感知 运动信息提取 光流信息 时间成本 提取模块 网络整合 运动特征 光流 显式 灵活 替代 网络 | ||
1.一种基于视频前后帧相关信息感知的运动特征提取方法,其特征在于,包括以下步骤:
(1)使用神经网络方法,提取目标视频的特征。
(2)根据步骤1提取的特征,显式地提取前后帧特征之间的相关性信息特征。
(3)将步骤1提取的目标视频的特征与步骤2提取的相关性信息特征结合,使用神经网络方法提取目标视频的运动特征。
2.根据权利要求1所述的运动特征提取方法,其特征在于,所述步骤1具体为:
对目标视频的输入,使用二维神经网络来提取目标视频的特征;
或者对目标视频的输入,使用三维神经网络来提取目标视频的特征。
3.根据权利要求1所述的运动特征提取方法,其特征在于,所述步骤2包括以下子步骤:
(2.1)将步骤1提取的目标视频的特征作为输入特征,通过一层卷积核大小为1x1的卷积网络层,生成新的特征。
(2.2)根据上述新的特征,通过以sobel算子或时序特征差值为卷积核的卷积网络层生成相关性信息特征。
4.根据权利要求3所述的运动特征提取方法,其特征在于,所述步骤2.2中,所述卷积网络层优选以向量维度为3x3的x方向的sobel算子为卷积核的卷积网络层、以向量维度为3x3的y方向的sobel算子为卷积核的卷积网络层、以向量维度为2x1x1,值为[-1,1]的向量为卷积核的卷积网络层;
5.根据权利要求1所述的运动特征提取方法,其特征在于,所述步骤3具体为:将步骤1提取的目标视频的特征与步骤2提取的相关性信息特征直接相加得到新生成的特征,将新生成的特征通过一层卷积核大小为1x1的卷积神经层,生成目标视频的运动特征。
6.根据权利要求1所述的运动特征提取方法,其特征在于,所述步骤3具体为:将步骤1提取的目标视频的特征与步骤2提取的相关性信息特征在特征维度上拼接在一起,得到新生成的特征,将新生成的特征通过一层卷积核大小为1x1的卷积神经层,生成目标视频的运动特征。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大学,未经浙江大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910033541.7/1.html,转载请声明来源钻瓜专利网。
- 上一篇:城市贫困分布测度方法
- 下一篇:一种基于深度学习的遥感图像建筑物变化检测方法