[发明专利]基于光流图深度学习模型在视频中人体交互动作识别方法

摘要

本发明公开了一种基于光流图深度学习模型在视频中人体交互动作识别方法，其步骤主要包括：步骤一，对测试集视频和训练集视频进行解帧，利用相邻两帧计算光流序列图；步骤二，对光流序列图进行预处理，删去信息量较少的光流图；步骤三，利用步骤二中得到的训练集光流序列训练残差神经网络，用测试集和训练集光流图序列作为输入，得到其空域特征；步骤四，训练集特征训练长短时记忆模型，测试集特征输入得到每类概率输出；步骤五，采用投票模型统计得到分类结果。本发明填补了利用深度学习模型进行人体动作识别的相关的专利的空白，识别准确率高，且该方法适用于多种场景。

主权项

一种基于光流图深度学习模型在视频中人体交互动作识别方法，其特征在于，其步骤主要包括：步骤一，对测试集视频和训练集视频进行解帧，利用相邻两帧计算光流序列图，得到测试集视频和训练集视频的光流序列图；步骤二，对光流序列图进行预处理，删去信息量较少的光流图，保留信息量较多的光流图，得到预处理后的测试集和训练集光流序列；步骤三，利用步骤二中得到的训练集光流序列训练残差神神经络，得到残差神经网络模型；用测试集光流图序列和训练集光流图序列作为输入，得到测试集空域特征和训练集空域特征；步骤四，利用步骤三得到的训练集空域特征，放到LSTM中进行训练，得到LSTM模型，用测试集空域特征作为输入，对每个输入特征得到每类的分类概率；步骤五，根据步骤四对一段视频输出每类概率，统计其投票最多的类，作为其判别类输出。