一种基于混合池化策略的深度卷积特征的动作识别方法

发明专利有效专利

申请号：
CN201611229368.0
IPC分类号：G06K9/00;G06K9/62;G06N3/04
申请日期：
2016-12-27
申请人：
广东顺德中山大学卡内基梅隆大学国际联合研究院;中山大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于混合池化策略的深度卷积特征的动作识别方法
申请号	CN201611229368.0	申请日期	2016-12-27
法律状态	授权	申报国家	中国
公开/公告日	2017-05-10	公开/公告号	CN106650674A
优先权	暂无	优先权号	暂无
主分类号	G06K9/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕	IPC分类号	G;0;6;K;9;/;0;0;;;G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4查看分类表>
申请人	广东顺德中山大学卡内基梅隆大学国际联合研究院;中山大学	申请人地址	广东省佛山市顺德区大良南国东路9号研究院变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	广东顺德中山大学卡内基梅隆大学国际联合研究院,中山大学	当前权利人	广东顺德中山大学卡内基梅隆大学国际联合研究院,中山大学
发明人	胡海峰;肖翔
代理机构	广州粤高专利商标代理有限公司	代理人	林丽明

摘要

本发明公开一种基于混合池化策略的深度卷积特征的动作识别方法，包括：1)对输入视频每一帧采用空间流深度网络模型，得到每帧的表观特征；对视频中每连续10帧采用时间流深度网络模型，提取视频的运动特征；2）对空间流和时间流深度网络的最后一层卷积层输出的深度卷积图采用时间滤波器池化方法得到对应的特征表示，采用主成分分析方法进行降维得到第一描述子特征；对空间流和时间流深度网络的最后一层卷积层输出的深度卷积图采用时空金字塔池化方法得到对应的特征表示，用主成分分析方法进行降维得到第二描述子特征；3）将步骤2)得到的第一、二描述子特征级联起来，形成输入视频的特征描述子，并采用线性支持向量机进行特征分类，得到识别准确率。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供