[发明专利]一种基于迁移学习和图像增强的人体特征提取方法在审
| 申请号： | 201910134438.1 | 申请日： | 2019-02-23 |
| 公开（公告）号： | CN109902613A | 公开（公告）日： | 2019-06-18 |
| 发明（设计）人： | 黄江平;袁书伟;袁德森;黄啸锐;王紫欣;杨家俊 | 申请（专利权）人： | 重庆邮电大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 重庆辉腾律师事务所 50215 | 代理人： | 卢胜斌 |
| 地址： | 400065 重*** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于图像处理与计算机视觉技术领域，涉及一种基于迁移学习和图像增强的人体特征提取方法，包括提取视频帧对其归一化处理，并分为训练集和测试集；在3D卷积神经网络的卷积层后增加两层全连接层和Softmax层，形成标签神经网络，将训练集数据送入该标签神经网络中，从而训练出标签分类器；提取视频帧图像色彩特征，训练SVM模型，使用该模型获取测试集的特征提取结果；根据训练集和SVM模型中的特征提取结果分别训练权重网络，得到各自最优权重；将测试集在卷积神经网络和SVM中的特征提取结果进行加权融合得到最终检测结果；本发明结合迁移学习和色彩特征，全面利用了视频的空间信息和时间信息，能高效准确的提取人体特征。 | ||
| 搜索关键词： | 特征提取结果 人体特征 测试集 卷积神经网络 色彩特征 神经网络 图像增强 迁移 训练集 标签 计算机视觉技术 归一化处理 视频帧图像 训练集数据 加权融合 检测结果 空间信息 模型获取 全面利用 时间信息 图像处理 出标签 分类器 连接层 视频帧 卷积 两层 权重 优权 学习 送入 视频 网络 | ||
【主权项】：
1.一种基于迁移学习和图像增强的人体特征提取方法，其特征在于，所述方法包括以下步骤：S1：提取视频的所有帧并保存，对所保存的视频帧进行归一化处理，并将其分为训练集和测试集；S2：在3D卷积神经网络的卷积层后依次增加两层全连接层和Softmax层，形成标签神经网络，将训练集数据送入该标签神经网络中，从而训练出标签分类器，并获得特征提取结果；S3：提取视频帧图像色彩特征，训练支持向量机模型，并使用该模型获取测试集的特征提取结果；S4：根据训练集分别在3D卷积神经网络和支持向量机模型中的特征提取结果，分别训练权重网络，得到各自最优权重；S5：将测试集在卷积神经网络和支持向量机中的特征提取结果进行加权融合，得到最终检测结果。
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重庆邮电大学，未经重庆邮电大学许可，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/201910134438.1/，转载请声明来源钻瓜专利网。
