[发明专利]一种时序事件动作检测方法

权利要求书

1.一种时序事件动作检测方法，其特征在于，所述方法包括：

将输入视频转化为视频帧后，找到关键帧的时序关联片段，选择3D卷积神经网络进行时序建模提取关键帧前后的动作特征；

所述的提取关键帧前后的动作特征具体的包括：

将输入视频转化为视频帧后，以每一个视频帧为关键帧，做研究对象，先找到该关键帧的时序关联片段，以获得上下文信息，确定时序关联片段长度后，以关键帧为中心，找到前后对应一半长度的开始帧和结束帧，从而确定时序关联片段，如果关键帧本身靠近开始帧或者结束帧，导致时序关联片段长度不够时，则需要重复堆叠开始帧或者结束帧，以保证统一的时序关联片段长度，方便3D卷积神经网络提取相应的动作特征，选择3D卷积神经网络进行时序建模，使用3D卷积神经网络提取关键帧时序关联片段的动作特征，对该时序片段预处理；

获取了关键帧的时续关联片段特征后，利用RPN网络中动作特征提出候选区域；

所述的获取了关键帧的时续关联片段特征后，利用动作特征提出候选区域，利用RPN网络中动作特征提名候选区域的具体操作是：先生成锚框，再经过非极大值抑制算法，从这些候选提名中选取置信度相对较高的2000个提名；

对候选区域进行动作识别；

所述的对候选区域进行动作识别具体包括利用conv5层的2D残差块对动作特征建模，通过多分类交叉熵得到动作类别，对于候选区域的位置信息利用样本真实标注框和smooth1L函数回归，精确定位，并再次通过非极大值抑制算法，在IOU为0.6的条件下，得到最后动作检测结果，完成整个端到端的网络搭建；

生成UCF24数据集；

处理UCF24数据集，经过筛选简化后，进行实验并对结果分析。

2.根据权利要求1所述的一种时序事件动作检测方法，其特征在于：处理UCF24数据集，经过筛选简化后，对基于P3D和Faster RCNN网络的动作检测算法进行实验，对比基础算法，分析优劣，得出结果。