[发明专利]一种基于长时程深度时空网络的行为识别方法在审
| 申请号： | 201810071442.3 | 申请日： | 2018-01-25 |
| 公开（公告）号： | CN108319905A | 公开（公告）日： | 2018-07-24 |
| 发明（设计）人： | 孙宁;宦睿智;李晓飞 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04 |
| 代理公司： | 南京苏科专利代理有限责任公司 32102 | 代理人： | 姚姣阳 |
| 地址： | 210003 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于长时程深度时空网络的行为识别方法，包括如下步骤：构建多通道特征拼接网络模型；选取视频行为数据集，提取视频行为数据集中每个视频的彩色图像序列数据集和光流图像序列数据集；将彩色图像序列数据集和光流图像序列数据集按照连续多帧分为若干片段，片段输入多通道特征拼接网络模型，先经过低层提取每个片段连续帧的时空特征，再由中层拼接生成每个视频片段的整体时空特征，并将每个视频片段的整体时空特征按片段顺序串接形成视频的整体时空特征，然后在高层融合视频的整体时空特征，最后通过softmax层输出该视频行为的分类结果。本发明通过提取长时程多帧图像序列中的时空特征来识别视频中的复杂行为，提高了视频复杂行为的识别率和鲁棒性。 | ||
| 搜索关键词： | 时空特征 视频 长时 拼接 彩色图像序列 图像序列数据 复杂行为 视频片段 网络模型 行为识别 行为数据 多通道 数据集 光流 时空 多帧图像 分类结果 顺序串接 连续帧 鲁棒性 识别率 低层 多帧 构建 网络 中层 融合 输出 高层 | ||
【主权项】：
1.一种基于长时程深度时空网络的行为识别方法，其特征在于，包括如下步骤：S1、构建多通道特征拼接网络模型；S2、选取视频行为数据集，提取视频行为数据集中每个视频的视频帧和光流帧，将视频帧的集合作为彩色图像序列数据集，光流帧的集合作为光流图像序列数据集；S3、将彩色图像序列数据集和光流图像序列数据集按照连续多帧分为若干片段，片段输入多通道特征拼接网络模型，先经过低层卷积层提取每个片段连续帧的时空特征，再由中层拼接生成每个视频片段的整体时空特征，并将每个视频片段的整体时空特征按片段顺序串接形成视频的整体时空特征，然后在高层融合视频的整体时空特征，最后通过softmax层输出该视频行为的分类结果。
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南京邮电大学，未经南京邮电大学许可，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/201810071442.3/，转载请声明来源钻瓜专利网。
