[发明专利]基于卷积神经网络的交互动作的识别方法和系统在审
| 申请号： | 201910914052.2 | 申请日： | 2019-09-25 |
| 公开（公告）号： | CN110717422A | 公开（公告）日： | 2020-01-21 |
| 发明（设计）人： | 宋波 | 申请（专利权）人： | 北京影谱科技股份有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04;G06N3/08 |
| 代理公司： | 11694 北京万思博知识产权代理有限公司 | 代理人： | 高镇 |
| 地址： | 100000 北京市*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请公开了一种基于卷积神经网络的交互动作的识别方法和系统，该方法包括：将采集到的包含人的肢体动作的图片进行标注并分类，将分类后的多个肢体动作图片作为训练数据集；将训练数据集中的训练样本输入DCNN深度卷积神经网络获得训练样本的类别特征向量；利用FNN模糊神经网络计对DCNN深度卷积神经网络进行优化，得到交互动作的DCNN‑FNN训练模型；采用该训练模型识别待识别图片的肢体动作的类别。本申请利用FNN模糊神经网络优化算法可以加快深度卷积神经网络DCNN的收敛速度，以快速得到交互动作的DCNN‑FNN训练模型，从而可以快速、准确地识别待识别图片的肢体动作的类别。 | ||
| 搜索关键词： | 卷积神经网络 肢体动作 交互动作 训练模型 模糊神经网络 训练样本 训练数据集 图片 类别特征 训练数据 优化算法 分类 向量 申请 标注 收敛 采集 优化 | ||
【主权项】：
1.一种基于卷积神经网络的交互动作的识别方法，该识别方法包括：/n采集步骤：采集包含人的肢体动作的视频流，将人的肢体动作进行标注并分类，获得多个肢体动作图片，将所述多个肢体动作图片作为训练数据集；/n训练步骤：将所述训练数据集中的训练样本输入DCNN深度卷积神经网络中，提取所述训练样本的HOG特征向量，并利用SVM分类器对所述HOG特征向量进行分类，获得训练样本的类别特征向量；/n优化步骤：利用FNN模糊神经网络计算所述训练样本的类别特征向量的最小化整体误差函数，利用该最小化整体误差函数对DCNN深度卷积神经网络进行优化，得到交互动作的DCNN-FNN训练模型；/n识别步骤：采用所述交互动作的DCNN-FNN训练模型识别待识别图片的肢体动作的类别。/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北京影谱科技股份有限公司，未经北京影谱科技股份有限公司许可，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/201910914052.2/，转载请声明来源钻瓜专利网。
