[发明专利]一种基于层级化特征学习的动作识别方法在审
| 申请号： | 201710010477.1 | 申请日： | 2017-01-06 |
| 公开（公告）号： | CN106845375A | 公开（公告）日： | 2017-06-13 |
| 发明（设计）人： | 李文辉;聂为之 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 天津市北洋有限责任专利代理事务所12201 | 代理人： | 李林娟 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于层级化特征学习的动作识别方法，包括以下步骤将训练集区域块的特征聚类，利用词袋模型对所有区域块进行特征重表征，得到高层块的特征，将一个视频中所有块的特征进行均值池化，得到视频序列的特征集；利用支持向量机对视频序列的特征集建模，得到模型参数；选取测试集中的动作序列作为测试序列，通过两层的聚类以及词袋模型，提取动作序列的特征，将特征输入模型中，得到动作序列的动作类别号。本方法通过基于层级化特征学习的动作识别方法来提取具有更好分辨度以及更丰富的特征来进行动作特征表征，使得模型的学习更加高效，提高了动作识别的识别率；通过实验验证，本方法取得了较高准确率，满足了实际应用中的多种需要。 | ||
| 搜索关键词： | 一种 基于 层级 特征 学习 动作 识别 方法 | ||
【主权项】：
一种基于层级化特征学习的动作识别方法，其特征在于，所述动作识别方法包括以下步骤：将训练集区域块的特征聚类，利用词袋模型对所有区域块进行特征重表征，得到高层块的特征，将一个视频中所有块的特征进行均值池化，得到视频序列的特征集；利用支持向量机对视频序列的特征集建模，得到模型参数；选取测试集中的动作序列作为测试序列，通过两层的聚类以及词袋模型，提取动作序列的特征，将特征输入模型中，得到动作序列的动作类别号。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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天津大学，未经天津大学许可，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/patent/201710010477.1/，转载请声明来源钻瓜专利网。
- 上一篇：一种飞碟式LED灯组件
- 下一篇：一种太阳能LED灯泡
