[发明专利]一种基于深度学习的轻量型的人体动作识别方法在审
| 申请号： | 201910269644.3 | 申请日： | 2019-04-04 |
| 公开（公告）号： | CN109977904A | 公开（公告）日： | 2019-07-05 |
| 发明（设计）人： | 魏维;何冰倩;魏敏 | 申请（专利权）人： | 成都信息工程大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 610225 四川省成都*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的轻量型的人体动作识别方法，所述方法首先构建浅层和深层网络相结合的轻量型的深度学习网络(SDNet)，该网络包含浅层多尺度模块和深层网络模块，并以该网络为基础构建基于深度学习的轻量型的人体动作识别模型。在该模型中，首先利用SDNet对时空双流进行特征提取和表示；再利用时间金字塔池化层将时间流和空间流的视频帧级的特征聚合成视频级表示，再通过全连接层和softmax层得到时空双流对输入序列的识别结果，最后，利用加权平均融合的方式对双流结果进行融合，从而得到最终的识别结果。采用基于深度学习的轻量型的人体动作识别方法，能够在保证识别精度不降低的前提下，大幅减少模型参数量。 | ||
| 搜索关键词： | 轻量型 人体动作识别 双流 浅层 学习 网络 时空 基础构建 加权平均 输入序列 特征提取 网络模块 融合 多尺度 空间流 连接层 时间流 视频帧 再利用 池化 构建 金字塔 聚合 视频 保证 | ||
【主权项】：
1.一种基于深度学习的轻量型的人体动作识别方法，其特征在于，包括以下步骤：步骤1：将包含人体动作的视频数据进行处理，得到RGB数据帧序列和光流数据帧序列；步骤2：构建一种浅层和深层网络相结合的轻量型的深度学习网络(A lightweight deep learning network model combining shallow and deep networks，SDNet)，该网络包含浅层多尺度模块和深层网络模块；步骤3：利用步骤2中构建的SDNet网络构建基于深度学习的轻量型的人体动作识别模型，该模型为双流模型，即包含时间流和空间流；步骤4：利用步骤3中构建的基于深度学习的轻量型的人体动作识别模型对视频序列的RGB数据和光流数据进行处理，得到人体动作分类结果。
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成都信息工程大学，未经成都信息工程大学许可，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/201910269644.3/，转载请声明来源钻瓜专利网。
