[发明专利]基于Bi-LSTM-Attention模型的人体行为识别方法在审
| 申请号： | 201910048015.8 | 申请日： | 2019-01-18 |
| 公开（公告）号： | CN109784280A | 公开（公告）日： | 2019-05-21 |
| 发明（设计）人： | 卢先领;朱铭康;王骏 | 申请（专利权）人： | 江南大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 无锡市大为专利商标事务所(普通合伙) 32104 | 代理人： | 曹祖良;屠志力 |
| 地址： | 214122 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： | 本发明提供一种基于Bi‑LSTM‑Attention模型的人体行为识别方法，包括以下步骤：步骤S1，将提取的视频帧输入InceptionV3模型，使用InceptionV3模型增加卷积神经网络深度的同时减少网络参数，充分提取视频帧的深度特征，得到相关的特征向量；步骤S2，将步骤S1得到的特征向量传入到Bi‑LSTM神经网络中进行处理，通过Bi‑LSTM神经网络充分学习视频帧之间的时序特征；步骤S3，把步骤S2得到的时序特征向量传入到注意力机制模型自适应地感知对识别结果有较大影响的网络权重，使得这些网络权重相关的特征能够得到更多的关注。本发明能够提高人体行为的识别率。 | ||
| 搜索关键词： | 视频帧 人体行为识别 神经网络 时序特征 特征向量 网络权 卷积神经网络 注意力机制 人体行为 深度特征 网络参数 大影响 识别率 自适应 向量 感知 学习 | ||
【主权项】：
1.一种基于Bi‑LSTM‑Attention模型的人体行为识别方法，其特征在于，包括以下步骤：步骤S1，将提取的视频帧输入InceptionV3模型，使用InceptionV3模型增加卷积神经网络深度的同时减少网络参数，充分提取视频帧的深度特征，得到相关的特征向量；步骤S2，将步骤S1得到的特征向量传入到Bi‑LSTM神经网络中进行处理，通过Bi‑LSTM神经网络充分学习视频帧之间的时序特征；步骤S3，把步骤S2得到的时序特征向量传入到注意力机制模型自适应地感知对识别结果有较大影响的网络权重，使得这些网络权重相关的特征能够得到更多的关注。
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江南大学，未经江南大学许可，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/201910048015.8/，转载请声明来源钻瓜专利网。
