[发明专利]一种基于骨骼的动作识别的深度集成方法有效
| 申请号： | 202010097008.X | 申请日： | 2020-02-17 |
| 公开（公告）号： | CN111291693B | 公开（公告）日： | 2023-03-31 |
| 发明（设计）人： | 杨会成;徐姝琪 | 申请（专利权）人： | 安徽工程大学 |
| 主分类号： | G06V40/20 | 分类号： | G06V40/20;G06V10/34;G06V10/764;G06V10/82;G06N3/0464;G06N3/045;G06N3/0442;G06N3/084 |
| 代理公司： | 南京正联知识产权代理有限公司 32243 | 代理人： | 胡定华 |
| 地址： | 24100*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 骨骼 动作 识别 深度 集成 方法 | ||
1.一种基于骨骼的动作识别的深度集成方法，其特征在于：所述方法包括以下步骤：
步骤一：建立递归神经网络，使用递归神经网络对顺序问题进行建模；
步骤二：使用两个空间距离图对空间网进行建模，以捕获用于动作识别任务的空间动力学；
步骤三：使用时域中的距离图对时域网进行建模以捕获时域动态和进行动作识别任务；
步骤四：使用多层堆叠的LSTM网络作为BaseNet，BaseNet由三个双向LSTM层组成，在两个Bi-LSTM层之间引入了dropout层，以减轻训练BaseNet时出现的过拟合问题将完全连接的层和softmax层紧随其后，用于操作分类任务；
步骤五：将使用BodyNet和TNet功能介绍，为HNet的Hybrid Net建模，从BodyNet和TNet特征中选择截然不同的强大的区分性时间特征，以有效地构建HNet。
2.如权利要求1所述的一种基于骨骼的动作识别的深度集成方法，其特征在于：所述步骤一中递归神经网络包括LSTM单位，LSTM单位由输入门(It)，输入节点(Gt)，忘记门(Ft)和输出门(Ot)，所述输入门(It)的方程为It＝σ(WIXXt+WIHHt-1+bI)；忘记门(Ft)的方程为Ft＝σ(WFXXt+WFHHt-1+bF)；输出门(Ot)的方程为Ot＝σ(WOXXt+WOHHt-1+bO)；输入节点(Gt)的方程为Gt＝Tanh(WGXXt+WGHHt-1+bG)，LSTM单位的组合公式为Ct＝FtCt-1+ItGt和Ht＝OtTanh(Ct)，其中所有Ws和bs是各个门的权重矩阵和偏差。
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安徽工程大学，未经安徽工程大学许可，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/202010097008.X/1.html，转载请声明来源钻瓜专利网。
