[发明专利]一种监控场景下基于特定目标跟踪的卷积神经网络的人体动作识别方法有效
| 申请号： | 201910353400.3 | 申请日： | 2019-04-29 |
| 公开（公告）号： | CN110084201B | 公开（公告）日： | 2022-09-13 |
| 发明（设计）人： | 柯逍;柯力 | 申请（专利权）人： | 福州大学 |
| 主分类号： | G06V40/20 | 分类号： | G06V40/20;G06T5/00;G06T7/90;G06N3/04 |
| 代理公司： | 福州元创专利商标代理有限公司 35100 | 代理人： | 蔡学俊;丘鸿超 |
| 地址： | 350108 福建省福州市闽*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出一种监控场景下基于特定目标跟踪的卷积神经网络的人体动作识别方法，其首先对获取监控场景下的人体动作分析数据库，并对该数据库进行随机划分，分为为训练集和验证集；其次对划分完成的训练集和验证集视频数据进行数据增强处理，并对视频数据进行编码。然后直接从输入视频图像序列中检测到运动目标，并进行目标识别，进而跟踪感兴趣的运动目标；最后对感兴趣的运动目标进行构建时空骨骼图卷积神经网络模型，使用训练集进行训练并利用自适应矩估计梯度进行优化网络参数权重，使用验证集进行特定目标跟踪的卷积神经网络模型的准确率预测。其不仅可以扩大原始动作数据量，还可以增强模型的鲁棒性，进而提升最终的动作识别准确率。 | ||
| 搜索关键词： | 一种 监控 场景 基于 特定 目标 跟踪 卷积 神经网络 人体 动作 识别 方法 | ||
【主权项】：
1.一种监控场景下基于特定目标跟踪的卷积神经网络的人体动作识别方法，其特征在于，包括以下步骤：步骤S1：获取监控场景下的人体动作分析数据库，并划分为训练集和验证集；步骤S2：对划分完成的训练集和验证集中的视频数据进行数据增强处理，并对视频数据进行编码；步骤S3：直接从输入的视频图像中检测运动目标，并进行目标识别，完成感兴趣的运动目标的跟踪；步骤S4：对感兴趣的运动目标进行时空骨骼图卷积神经网络模型的构建，使用训练集进行训练并利用自适应矩估计梯度进行优化网络参数权重；步骤S5：使用验证集进行特定目标跟踪的时空骨骼图卷积神经网络模型的准确率预测。
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福州大学，未经福州大学许可，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/201910353400.3/，转载请声明来源钻瓜专利网。
