[发明专利]一种基于多源深度学习的视频事件检测方法在审
| 申请号： | 201810290777.4 | 申请日： | 2018-04-03 |
| 公开（公告）号： | CN108764019A | 公开（公告）日： | 2018-11-06 |
| 发明（设计）人： | 刘安安;邵壮 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 李林娟 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 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多源深度学习的视频事件检测方法，包括以下步骤：对视频的每一帧进行灰度化、以及帧间做差处理获取三维数组，将三维数组输入C3D网络中，预先训练好的模型进行特征提取，使用C3D算法取得图像特征，得到4096维特征向量；将原有视频第一帧的RGB图像作为输入，在CNN网络结构中提取图片特征，将fc7层的输出作为特征，得到2048维的特征向量；将特征向量进行拼接，得到6124维的向量，对所有的训练视频做处理并转化为向量之后，进行降维，将6124维的数据转化为256维的数据；将每个待处理视频映射为一个256维的数据后开始模型训练阶段；利用训练好的模型对未知样本进行测试。本发明大幅提高视频监控信息处理的效率和准确率。 | ||
| 搜索关键词： | 特征向量 视频事件检测 视频 三维数组 多源 向量 模型训练 视频监控 数据转化 特征提取 图片特征 图像特征 网络结构 信息处理 训练视频 灰度化 映射 准确率 降维 帧间 拼接 算法 样本 测试 输出 学习 转化 网络 | ||
【主权项】：
1.一种基于多源深度学习的视频事件检测方法，其特征在于，所述方法包括以下步骤：对视频的每一帧进行灰度化、以及帧间做差处理获取三维数组，将三维数组输入C3D网络中，预先训练好的模型进行特征提取，使用C3D算法取得图像特征，得到4096维特征向量；将原有视频第一帧的RGB图像作为输入，在CNN网络结构中提取图片特征，将fc7层的输出作为特征，得到2048维的特征向量；将特征向量进行拼接，得到6124维的向量，对所有的训练视频做处理并转化为向量之后，进行降维，将6124维的数据转化为256维的数据；将每个待处理视频映射为一个256维的数据后开始模型训练阶段；利用训练好的模型对未知样本进行测试。
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天津大学，未经天津大学许可，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/201810290777.4/，转载请声明来源钻瓜专利网。
