-
公开(公告)号：CN108573232B
公开(公告)日：2021-07-23
申请号：CN201810345479.0
申请日：2018-04-17
申请人： 中国民航大学
摘要： 一种基于卷积神经网络的人体动作识别方法。其包括选取数据集中的部分深度图像作为训练样本，其余深度图像作为测试样本，采用空间结构动态深度图像技术，将数据集中的深度图像的四维信息映射到二维空间，获得二维图像；构造卷积神经网络；使用训练样本中的二维图像对卷积神经网络进行训练；将测试样本中的二维图像输入到上述已训练完成的卷积神经网络中得到三组输出向量，然后进行组内融合，再进行组间融合，最后完成人体动作的识别等步骤。本发明方法可以作为模式识别和人工智能的基础，对人体动作识别具有重要意义。
-
公开(公告)号：CN108573232A
公开(公告)日：2018-09-25
申请号：CN201810345479.0
申请日：2018-04-17
申请人： 中国民航大学
摘要： 一种基于卷积神经网络的人体动作识别方法。其包括选取数据集中的部分深度图像作为训练样本，其余深度图像作为测试样本，采用空间结构动态深度图像技术，将数据集中的深度图像的四维信息映射到二维空间，获得二维图像；构造卷积神经网络；使用训练样本中的二维图像对卷积神经网络进行训练；将测试样本中的二维图像输入到上述已训练完成的卷积神经网络中得到三组输出向量，然后进行组内融合，再进行组间融合，最后完成人体动作的识别等步骤。本发明方法可以作为模式识别和人工智能的基础，对人体动作识别具有重要意义。
-
公开(公告)号：CN108564043A
公开(公告)日：2018-09-21
申请号：CN201810344210.0
申请日：2018-04-17
申请人： 中国民航大学
摘要： 一种基于运动历史点云生成的时空分布图的人体行为识别方法。其包括生成MHPC；生成STDM；提取HOG特征向量；训练和测试KELM分类器，最后KELM分类器的输出即为人体动作分类结果等步骤。本发明能够获得人体动作不同视角下的信息，增加了对动作角度变化的鲁棒性。用时空分布图来表示人体动作要比深度运动图更加全面，提取的特征也更加有区别力；提取的HOG特征能够有效地表征人体动作类别，解决了利用点云提取特征复杂的问题。采用了基于高斯核函数的极限学习机，具有分类精度高，学习速度快的优点。
-
公开(公告)号：CN108564043B
公开(公告)日：2021-08-31
申请号：CN201810344210.0
申请日：2018-04-17
申请人： 中国民航大学
摘要： 一种基于运动历史点云生成的时空分布图的人体行为识别方法。其包括生成MHPC；生成STDM；提取HOG特征向量；训练和测试KELM分类器，最后KELM分类器的输出即为人体动作分类结果等步骤。本发明能够获得人体动作不同视角下的信息，增加了对动作角度变化的鲁棒性。用时空分布图来表示人体动作要比深度运动图更加全面，提取的特征也更加有区别力；提取的HOG特征能够有效地表征人体动作类别，解决了利用点云提取特征复杂的问题。采用了基于高斯核函数的极限学习机，具有分类精度高，学习速度快的优点。
-
-
-
搜索结果
4 条记录 (耗时 0.026 秒)
