一种人体行为识别和身份认证方法、装置和电子设备

    公开(公告)号:CN113449587B

    公开(公告)日:2023-04-18

    申请号:CN202110481401.3

    申请日:2021-04-30

    Abstract: 本发明实施例提供了一种人体行为识别和身份认证方法、装置和电子设备,涉及无线感技术领域,其中,一种人体行为识别和身份认证方法,包括:获取手势识别感知数据,手势识别感知数据是信道状态信息CSI感知数据;对手势识别感知数据进行预处理,得到预处理后的手势识别感知数据;对预处理后的手势识别感知数据进行时频变换,得到手势识别感知数据对应的时频图,时频图用于反映人体手势引起的信号波动信息;将时频图输入预先训练好的多任务模型,通过多任务模型输出手势识别结果以及身份认证结果。通过本发明实施例提供的人体行为识别和身份认证方法、装置和电子设备,能够提高行为识别的准确度和身份认证的准确度。

    一种基于加权列抽样XGBoost的图像目标分类方法

    公开(公告)号:CN107392241B

    公开(公告)日:2020-12-25

    申请号:CN201710580163.5

    申请日:2017-07-17

    Abstract: 本发明实施例提出了一种基于加权列抽样XGBoost的图像目标分类方法,包括:利用在大型数据集ILSVRC预训练过的并且在PASCAL VOC 2012数据集上进行过微调的卷积神经网络提取目标图像特征;连接多层学习到的特征以获得更多决定其图像类别的内容信息;利用基于加权列抽样的XGBoost方法对图像特征分类,根据属性重要度,在构建决策树之前对属性进行次采样,将抽取的具有更多信息的属性用于当前决策树的构建,重复迭代直到收敛,得到性能最佳的图像分类模型。根据本发明实施例提供的技术方案,当数据的属性维度大且冗余度高时,该方法可以扩展到其他使用列抽样的分类方法,提高图像目标分类的平均准确率。

    一种基于图文对比预训练大模型的时序动作定位方法

    公开(公告)号:CN118015364A

    公开(公告)日:2024-05-10

    申请号:CN202410181515.X

    申请日:2024-02-18

    Abstract: 本申请公开了一项基于图文对比预训练大模型的视频时序动作定位方法,具体如下:首先,利用图文对比预训练大模型分别处理视频帧与其对应的文本描述,视频帧通过预训练大模型的图像编码器得到视频特征,文本描述通过预训练大模型的文本编码器得到文本特征。然后,将得到的视频特征作为原始视频特征的扩充,利用可训练全连接层将两个特征充分融合。最后,将融合的视频特征通过视频编码器得到多尺度的视频特征,与先前大模型提取的文本特征进行相似度计算,得到每个尺度的视频特征与文本特征的匹配分数,利用这些匹配分数即可得到每一视频帧与对应动作标签的分类结果,为后续的动作回归以及最终的时序动作定位提供更准确可靠的分类结果。这一创新性方法综合运用了图文对比预训练大模型进行原始视频特征的扩充以及与文本特征相似度的计算,为视频时序动作定位任务提供了一种更加准确和全面的解决方案。

Patent Agency Ranking