[发明专利]一种基于深度学习的视频行为识别方法在审
| 申请号： | 201910624511.3 | 申请日： | 2019-07-11 |
| 公开（公告）号： | CN110348381A | 公开（公告）日： | 2019-10-18 |
| 发明（设计）人： | 屈鸿;侯帅;杨昀欣;贺强;李彦 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04 |
| 代理公司： | 成都东唐智宏专利代理事务所(普通合伙) 51261 | 代理人： | 罗言刚 |
| 地址： | 611731 四川省成都市高新区(*** | 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： | 本发明公开一种基于深度学习的视频行为识别方法，包括以下步骤：S1.将人体行为视频数据随机均匀切帧处理，得到预设数量相等的帧图像数据；S2.将每帧图像数据组成的数据集按照比例常数划分成训练集和测试集；S3.采用进行每通道像素均值消减法分别对训练集和测试集中的帧图像数据进行归一化处理，得到帧图像处理数据；S4.将帧图像处理数据输入特征提取网络ResNet‑50中提取出图片的特征；S5.将训练集对应的图片的特征输入循环神经网络进行训练，直到预测结果的正确率大于预设值时，得到预测循环神经网络模型；S6.将测试集运用预测循环神经网络模型进行识别得到识别结果。本发明在时间和空间两个维度上应用注意力机制来简化运算、提高模型的识别率。 | ||
| 搜索关键词： | 帧图像数据 训练集 神经网络模型 处理数据 行为识别 预测循环 测试集 帧图像 预设 视频 循环神经网络 归一化处理 注意力机制 比例常数 简化运算 人体行为 视频数据 输入特征 数量相等 特征输入 通道像素 预测结果 识别率 数据集 正确率 帧处理 维度 消减 测试 学习 图片 应用 网络 | ||
【主权项】：
1.一种基于深度学习的视频行为识别方法，其特征在于，包括以下步骤：S1.将人体行为视频数据随机均匀切帧处理，得到预设数量相等的帧图像数据；S2.将每帧图像数据组成的数据集按照比例常数划分成训练集和测试集；S3.采用进行每通道像素均值消减法分别对训练集和测试集中的帧图像数据进行归一化处理，得到帧图像处理数据；S4.将帧图像处理数据输入特征提取网络ResNet‑50中提取出图片的特征；S5.将训练集对应的图片的特征输入循环神经网络进行训练，直到预测结果的正确率大于预设值时，得到预测循环神经网络模型；S6.将测试集运用预测循环神经网络模型进行识别得到识别结果。
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电子科技大学，未经电子科技大学许可，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/201910624511.3/，转载请声明来源钻瓜专利网。
