[发明专利]基于排序池化融合空间特征的视频动作识别方法有效
| 申请号： | 201810177015.3 | 申请日： | 2018-03-04 |
| 公开（公告）号： | CN108416795B | 公开（公告）日： | 2022-03-18 |
| 发明（设计）人： | 项欣光;赵恒颖 | 申请（专利权）人： | 南京理工大学 |
| 主分类号： | G06T7/215 | 分类号： | G06T7/215;G06T7/246;G06T7/269 |
| 代理公司： | 南京理工大学专利中心 32203 | 代理人： | 朱宝庆 |
| 地址： | 210094 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： | 本发明提供了一种基于排序池化融合空间特征的视频动作识别方法，包括：采用视频局部特征描述子算法对每个视频提取基本视觉特征向量集；对每个视频每帧图像的二维空间进行多尺度分割，构建二维空间金字塔模型；对金字塔模型中每个子空间内的视频基本特征向量集按照帧序列时间顺序排列；对每个子空间内的有序基本特征向量序列单独进行smooth操作；对每个子空间内经smooth操作后的有序特征向量序列单独运用排序池化算法，学习得到属于该子空间的模型参数；将金字塔模型中所有子空间得到的模型参数进行串联，得到的特征向量作为视频最终特征向量；通过使用分类器对该视频特征向量进行分类，识别出该视频的动作类别。 | ||
| 搜索关键词： | 基于 排序 融合 空间 特征 视频 动作 识别 方法 | ||
【主权项】：
1.一种基于排序池化融合空间特征的视频动作识别方法，其特征在于，包括以下步骤：步骤1，采用视频局部特征描述子算法对每个视频提取基本视觉特征向量集；步骤2，对每个视频每帧图像的二维空间进行多尺度分割，构建二维空间金字塔模型；步骤3，对金字塔模型中每个子空间内的视频基本特征向量集按照帧序列时间顺序排列；步骤4，对每个子空间内的有序基本特征向量序列单独进行smooth操作；步骤5，对每个子空间内经smooth操作后的有序特征向量序列单独运用排序池化算法，学习得到属于该子空间的模型参数；步骤6，将金字塔模型中所有子空间得到的模型参数进行串联，得到的特征向量作为视频最终特征向量；步骤7，通过使用分类器对该视频特征向量进行分类，识别出该视频的动作类别。
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理工大学，未经南京理工大学许可，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/201810177015.3/，转载请声明来源钻瓜专利网。
