[发明专利]一种基于卷积神经网络的人体姿态识别方法有效
| 申请号： | 201910481323.X | 申请日： | 2019-06-04 |
| 公开（公告）号： | CN110222634B | 公开（公告）日： | 2022-11-01 |
| 发明（设计）人： | 李建;张袁;罗颖;张亦昕 | 申请（专利权）人： | 河海大学常州校区 |
| 主分类号： | G06V40/20 | 分类号： | G06V40/20;G06V10/774;G06V10/82;G06N3/04 |
| 代理公司： | 南京纵横知识产权代理有限公司 32224 | 代理人： | 董建林;杨静 |
| 地址： | 213022 *** | 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： | 本发明公开了一种基于卷积神经网络的人体姿态识别方法，首先获取人体姿态数据集，并对其进行视频切成图像帧的预处理；然后搭建卷积神经网络模型，通过在RELU激励函数输入处引入稀疏性，减少激励函数的不必要输入；接着结合稀疏项优化传统目标损失函数，通过迭代更新参数，对网络进行训练，从而获得最优解；最后，根据训练所得的网络模型，对人体姿态进行识别，输出人体姿态类别。本发明的有益效果是：本发明采用的方法在保持较高姿态识别率的同时，可以加快收敛速度，提高网络的泛化能力。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 人体 姿态 识别 方法 | ||
【主权项】：
1.一种基于卷积神经网络的人体姿态识别方法，其特征在于，包括以下步骤：S01，获取人体姿态视频数据集，对其进行视频切成图像帧的预处理，并将被切成图像帧的图像数据集划分成训练集与验证集；S02，构建神经网络模型，在RELU激励函数输入处引入稀疏性，卷积神经网络的输入为所述步骤S01中预处理后的图像，输出为人体姿态类别；对所述卷积神经网络进行训练；S03，采用所述S02中的神经网络模型对人体姿态进行识别，在公开的人体姿态数据集KTH上进行模型训练和性能的测试；当有未知视频输入时，首先调用所述步骤S01进行预处理，然后利用所述步骤S02中的神经网络模型进行姿态识别，获取人体姿态类别。
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河海大学常州校区，未经河海大学常州校区许可，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/201910481323.X/，转载请声明来源钻瓜专利网。
