[发明专利]一种基于3D卷积神经网络的行为识别方法在审
| 申请号： | 201910252437.7 | 申请日： | 2019-03-29 |
| 公开（公告）号： | CN110070002A | 公开（公告）日： | 2019-07-30 |
| 发明（设计）人： | 王永雄;严龙;张震 | 申请（专利权）人： | 上海理工大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04 |
| 代理公司： | 上海邦德专利代理事务所(普通合伙) 31312 | 代理人： | 余昌昊 |
| 地址： | 200093 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出了一种基于3D卷积神经网络的行为识别方法，包括以下步骤：首先基于原始视频，提取光流帧；然后对原始视频进行目标检测以获取人体裁剪帧；最后将人体裁剪帧、光流帧和原始视频分别输入特征融合网络模型的第一层、第二层和第三层；第二层接收第一层输出的卷积数据；第三层接收第二层的卷积数据；由第三层输出分类特征数据。本发明针对复杂环境中较难提取人体行为的时空特征问题，提出了一种基于3D卷积神经网络的行为识别方法。通过特征融合网络模型融合多特征，提高时空特征的表征能力和泛化能力，消除或减少噪声的影响，提高了人体行为识别率。 | ||
| 搜索关键词： | 卷积神经网络 行为识别 原始视频 第三层 时空特征 第一层 光流 卷积 裁剪 人体行为识别 输出 表征能力 分类特征 复杂环境 减少噪声 目标检测 人体行为 融合网络 输入特征 特征融合 网络模型 融合 | ||
【主权项】：
1.一种基于3D卷积神经网络的行为识别方法，其特征在于，包括以下步骤：步骤S1:基于原始视频，提取光流帧；步骤S2:对原始视频进行目标检测以获取人体裁剪帧；步骤S3:将所述人体裁剪帧、光流帧和原始视频分别输入特征融合网络模型的第一层、第二层和第三层；所述第二层接收所述第一层输出的卷积数据；所述第三层接收所述第二层的卷积数据；步骤S4:所述第三层输出分类特征数据。
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上海理工大学，未经上海理工大学许可，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/201910252437.7/，转载请声明来源钻瓜专利网。
