[发明专利]一种基于深度学习和SVM的动物姿态行为估计与心情识别方法有效
| 申请号： | 201910569930.1 | 申请日： | 2019-06-27 |
| 公开（公告）号： | CN110457999B | 公开（公告）日： | 2022-11-04 |
| 发明（设计）人： | 何炜婷;曾碧 | 申请（专利权）人： | 广东工业大学 |
| 主分类号： | G06V40/20 | 分类号： | G06V40/20;G06V40/10;G06V10/764;G06V10/82;G06N3/04 |
| 代理公司： | 广东广信君达律师事务所 44329 | 代理人： | 杨晓松 |
| 地址： | 510062 广东*** | 国省代码： | 广东;44 |
| 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深度学习和SVM的动物姿态行为估计与心情识别方法，利用深度学习的动物姿态估计模型和SVM多分类算法，通过对大量动物的图片进行目标检测的边框标签标记和动物的十三个身体关键点(包括尾巴)标记，然后送进动物姿态估计网络模型进行充分地训练。通过训练好的动物姿态估计模型，估计计算出来目标检测边框的中心点位置和动物的十三个身体关键点位置，并基于其中心点的位置变化、十三个关键点的位置关系和尾巴三个关键点的位置关系和相对位置变化关系，构建与利用SVM分类器去判断动物的行为与心情，从而能更加准确地理解动物的心情和行为情况。 | ||
| 搜索关键词： | 一种 基于 深度 学习 svm 动物 姿态 行为 估计 心情 识别 方法 | ||
【主权项】：
1.一种基于深度学习和SVM的动物姿态行为估计与心情识别方法，其特征在于，包括以下步骤：/nS1：采集大量动物的图片，并对其进行目标检测框的标记与包含有尾巴关键点的十三个身体关键点的标记；/nS2：构建基于深度学习的动物姿态估计模型；/nS3：通过步骤S1中目标检测框的标记以及十三个身体关键点的标记对步骤S2构建好的动物姿态估计模型进行训练，使该模型可估计出动物的中心点位置和十三个身体关键点的位置；/nS4：获取视频的关键帧图片，送进步骤S3已训练好的动物姿态估计模型，通过该模型估计出动物的中心点位置和十三个关键点的位置；/nS5：基于动物的中心点位置变化、包含有尾巴关键点的十三个身体关键点的位置关系和相对位置变化关系构建多个SVM分类器，用于判断动物的行为与心情。/n
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广东工业大学，未经广东工业大学许可，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/201910569930.1/，转载请声明来源钻瓜专利网。
