[发明专利]一种基于递归神经网络的群体动作识别方法有效
| 申请号： | 201810971833.0 | 申请日： | 2018-08-24 |
| 公开（公告）号： | CN109446872B | 公开（公告）日： | 2022-04-19 |
| 发明（设计）人： | 舒祥波;严锐;唐金辉 | 申请（专利权）人： | 南京理工大学 |
| 主分类号： | G06V40/20 | 分类号： | G06V40/20;G06V10/82;G06V10/80;G06V10/764;G06N3/04;G06N3/08;G06K9/62 |
| 代理公司： | 南京理工大学专利中心 32203 | 代理人： | 朱宝庆 |
| 地址： | 210094 *** | 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： | 本发明提供了一种群体动作识别方法，包括以下步骤：在每一时刻，提取个体的CNN特征，作为其静态特征表示；利用一个长短期记忆模型从个体的静态表示中对个体动态进行建模；对Long Motion的建模；对个体间交互动态的建模；对Flash Motion的建模。 | ||
| 搜索关键词： | 一种 基于 递归 神经网络 群体 动作 识别 方法 | ||
【主权项】：
1.一种基于矩形框坐标变换的多方向文本行检测方法，其特征在于，包括以下步骤：步骤1，输入待检测的视频片段，取其中间T帧，并检测每帧中所有运动个体；步骤2，在每一个时刻，用卷积神经网络提取所有运动个体的空间特征；步骤3，建立Single‑Person LSTM模型，将个体空间特征提供给Single‑Person LSTM模型以捕捉个体时间动态特征；步骤4，根据个体在整个活动过程中移动时间的顺序，将所有个体的时空特征输送到Interaction Bi‑LSTM中以捕获上下文信息；步骤5，将Interaction Bi‑LSTM中的所有隐藏状态赋以动态权值，最终集成至一个Aggregation LSTM中，并将多组的聚合状态连接成对应时刻softmax层的输入；步骤6，对所有时刻下的softmax分数取平均值作为群体活动识别的最终预测概率向量。
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/201810971833.0/，转载请声明来源钻瓜专利网。
