[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有效
| 申请号： | 201510404260.X | 申请日： | 2015-07-10 |
| 公开（公告）号： | CN105095862B | 公开（公告）日： | 2018-05-29 |
| 发明（设计）人： | 刘杰;刘才华;黄亚楼;于芳 | 申请（专利权）人： | 南开大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00 |
| 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： | 300071*** | 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深度卷积条件随机场的人体动作识别方法，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。本发明实现了对图像序列数据的时空变换建模，达到了很好的人体动作识别效果。 | ||
| 搜索关键词： | 人体动作识别 卷积 输入图像序列 空间特征 视频序列 随机场识别模型 图像序列数据 图像序列特征 标注信息 动作类别 机场识别 空间卷积 前向计算 时间卷积 时空变换 帧图像 子采样 预测 构建 建模 机场 优化 时空 网络 | ||
【主权项】：
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。
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南开大学，未经南开大学许可，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/201510404260.X/，转载请声明来源钻瓜专利网。
