[发明专利]基于循环卷积神经网络的人体动作识别方法有效
| 申请号： | 201910794952.8 | 申请日： | 2019-08-27 |
| 公开（公告）号： | CN110503053B | 公开（公告）日： | 2022-07-08 |
| 发明（设计）人： | 程建;高银星;汪雯;苏炎洲;白海伟 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06V40/20 | 分类号： | G06V40/20;G06N3/04;G06N3/08 |
| 代理公司： | 成都智言知识产权代理有限公司 51282 | 代理人： | 徐金琼 |
| 地址： | 611731 四川省成*** | 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循环卷积神经网络的人体动作识别方法，属于图像分类、模式识别与机器学习领域，解决因动作类别内部以及类别之间的变化或视频是由连续帧组成会造成人体动作识别精度低等问题。本发明构建数据集，即从公开数据集中随机选择长度相同的序列对，各序列中的每帧包括RGB图像和光流图像；构建孪生网络，孪生网络中的各网络依次包括CNN层、RNN层和Temporal Pooling层；构建“识别‑验证”联合损失函数；基于数据集训练构建好的深度卷积神经网络和“识别‑验证”联合损失函数；基于待识别的人体动作序列对，依次经过训练好的深度卷积神经网络和训练好的“识别‑验证”联合损失函数，得到序列对的动作类别识别结果。本发明用于图像中的人体动作识别。 | ||
| 搜索关键词： | 基于 循环 卷积 神经网络 人体 动作 识别 方法 | ||
【主权项】：
1.一种基于循环卷积神经网络的人体动作识别方法，其特征在于，包括如下步骤：/nS1、构建数据集，即从公开数据集中随机选择长度相同的序列对，各序列中的每帧包括RGB图像和光流图像；/nS2、构建深度卷积神经网络，即构建孪生网络，孪生网络中的各网络依次包括CNN层、RNN层和Temporal Pooling层，其中，CNN层是指卷积神经网络层，RNN层是指循环神经网络层，Temporal Pooling层是指时序池化层；/nS3、构建深度卷积神经网络后，构建“识别-验证”联合损失函数；/nS4、基于数据集训练构建好的深度卷积神经网络和“识别-验证”联合损失函数，得到训练好的深度卷积神经网络和训练好的“识别-验证”联合损失函数；/nS5、基于待识别的人体动作序列对的RGB图像和光流图像，依次经过训练好的深度卷积神经网络和训练好的“识别-验证”联合损失函数，得到序列对的动作类别相似度识别结果。/n
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/201910794952.8/，转载请声明来源钻瓜专利网。
