[发明专利]从全局到类别特征表达学习的动作识别方法和系统

摘要

本发明提供一种从全局到类别特征表达学习的动作识别方法和系统，对输入的动作视频，使用深度神经网络学习动作数据的全局特征表达并提取特征；通过提取到的全局特征表达，使用特征通道稀疏度来获取类别间的相似度结构关系；对输入的每一类视频动作，使用全卷积深度神经网络学习其相应的类别掩膜；使用得到的类别间相似度结构关系来约束类别掩膜的相似程度；对输入的动作视频，使用深度神经网络学习动作数据的类别特定特征表达并提取相应特征；对提取的全局和类别特定特征进行融合，得到最终具有区分性表达的特征并完成动作的识别。能够对输入的动作视频提取从全局到类别特定的特征表达，进行复杂动作的识别。

主权项

1.一种从全局到类别特征表达学习的动作识别方法，其特征在于，包括：全局特征提取步骤：对输入的动作视频，使用深度神经网络学习动作视频中的动作数据，提取得到全局特征表达；类别结构关系获取步骤：通过提取到的全局特征表达，利用每个类别特征通道稀疏度之间的相似关系，获取各类别间的相似度结构关系；类别特征掩膜获取步骤：对输入的每一类动作数据，使用全卷积深度神经网络学习所述动作数据对应的类别掩膜；类别正则约束步骤：在学习类别掩膜的过程中，使用得到的各类别间的相似度结构关系对类别掩膜的相似程度进行约束；类别特定特征提取步骤：对输入的动作视频，使用深度神经网络学习动作数据，提取类别特征，得到类别特征表达。特征融合步骤：对提取的全局特征表达和类别特征表达进行融合，得到最终具有区分性的区别特征表达，以完成动作识别。