一种基于深度学习的视频行为识别方法

发明专利有效专利

申请号：
CN201910624511.3
IPC分类号：G06K9/00;G06K9/62;G06N3/04
申请日期：
2019-07-11
申请人：
电子科技大学

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	一种基于深度学习的视频行为识别方法
申请号	CN201910624511.3	申请日期	2019-07-11
法律状态	实质审查	申报国家	中国
公开/公告日	2019-10-18	公开/公告号	CN110348381A
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	电子科技大学	申请人地址	四川省成都市高新区(西区)西源大道2006号，电子科技大学清水河校区变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	电子科技大学	当前权利人	电子科技大学
发明人	屈鸿;侯帅;杨昀欣;贺强;李彦
代理机构	成都东唐智宏专利代理事务所（普通合伙）	代理人	罗言刚

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。

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