[发明专利]基于深度学习的人类行为分析方法有效
| 申请号： | 201710368874.6 | 申请日： | 2017-05-23 |
| 公开（公告）号： | CN107256386A | 公开（公告）日： | 2017-10-17 |
| 发明（设计）人： | 姚莉;储彬彬 | 申请（专利权）人： | 东南大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06T7/269 |
| 代理公司： | 南京众联专利代理有限公司32206 | 代理人： | 许小莉 |
| 地址： | 211189 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 本发明公开了一种基于深度学习的人类行为分析方法。本发明包括两个阶段：标注训练阶段和应用阶段；所述标注阶段包括如下步骤：S1：对多个监控场景视频数据进行相关人物的标注,并训练人物检测网络；S2：进行人物行为序列提取；S3：对提取的人物的行为序列进行标注，并训练行为识别网络，得到行为识别模型；所述应用阶段包括针对实际监控场景的视频，使用与标注训练阶段相同的人物行为序列提取方法，将提取出来的行为视频序列及其对应的光流矢量图像化序列作为行为识别卷积神经网络的输入，通过行为识别模型进行行为分类。本发明可以自动对视频场景中的人类行为进行分析，无需人工干预,能够较好地对人类行为进行分析。 | ||
| 搜索关键词： | 基于 深度 学习 人类 行为 分析 方法 | ||
【主权项】：
一种基于深度学习的人类行为分析方法，其特征在于，该方法包括两个阶段：标注训练阶段和应用阶段；所述标注阶段包括如下步骤：S1：对多个监控场景视频数据进行相关人物的标注，用于训练人物检测卷积神经网络，通过网络微调和参数优化方法来得到人物检测模型；S2：进行人物行为序列提取；S3：对提取的人物的行为序列进行标注，用于训练行为识别卷积神经网络，通过网络微调和参数优化方法来得到行为识别模型；所述应用阶段包括针对实际监控场景的视频，使用与标注训练阶段相同的人物行为序列提取方法，将提取出来的行为视频序列及其对应的光流矢量图像化序列作为行为识别卷积神经网络的输入，通过行为识别模型进行行为分类。
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东南大学，未经东南大学许可，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/201710368874.6/，转载请声明来源钻瓜专利网。
