[发明专利]一种基于深度卷积条件随机场的人体动作识别方法

权利要求书

1.一种基于深度卷积条件随机场的人体动作识别方法，其特征在于，所述人体动作识别方法包括以下步骤：

根据空间卷积层、子采样层交替获取输入图像序列的空间特征表达；

对输入图像序列的空间特征表达进行时间卷积操作得到进一步图像序列特征表达；

构建基于时空卷积网络的深度条件随机场识别模型，并进行优化；

对待预测视频序列进行优化后的深度条件随机场识别的前向计算，得到待预测视频序列中每一帧图像所属的动作类别标注信息；

所述深度条件随机场识别模型包括：

状态函数，用于获得非线性变换之后序列中的图像数据与类别标签之间的关系；

转移函数，用于一帧图像数据与当前图像经过时空卷积变换的特征、类别标签以及前一帧的类别标签之间的关系；

采用层次前馈网络作为特征抽取器与条件随机场构成的无向图模型进行联合训练。

2.根据权利要求1所述的一种基于深度卷积条件随机场的人体动作识别方法，其特征在于，对深度条件随机场识别模型的优化具体为：

使用随机梯度下降的方式优化目标函数法采用后向传播的方式逐层进行求导。

3.根据权利要求1所述的一种基于深度卷积条件随机场的人体动作识别方法，其特征在于，所述对待预测视频序列进行优化后的深度条件随机场识别的前向计算，得到待预测视频序列中每一帧图像所属的动作类别标注信息的步骤具体为：

通过神经网络的前向计算得到图像序列中每帧图像的高层特征表达，形成图像序列的特征表达，然后通过条件概率最大化得到最可能的标注序列，即每一帧图像所属的动作类别标注信息。