公开(公告)号：CN111914638B

公开(公告)日：2022-08-12

申请号：CN202010606907.8

申请日：2020-06-29

Applicant: 南京邮电大学

Inventor： 胡宸 ,  陈志 ,  史佳成 ,  叶科淮 ,  王仁杰 ,  李玲娟 ,  岳文静

IPC: G06V20/40 ,  G06V40/20 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明公开了一种基于改进长效递归深度卷积模型的人物动作识别方法，先输入一段连续的视频帧，利用光流法根据输入帧构造神经网络输入模型；接着利用长效递归卷积模型求出每个输入序列所对应的特征值；利用字符串Hash的方法，构造CNN编码器，利用CNN编码器计算出该输入可能对应的行为动作yt；然后求出每个可能的行为yt的条件概率；最后将概率最大的yt作为输出；本发明公开的识别方法避免了极值的干扰，提高了准确性；通过字符串Hash的方法对输入序列编码，减少了时间复杂度；通过最大似然估计法以及输入序列和输出序列相结合的方式，解决了极值点影响结果的问题。

公开(公告)号：CN111914638A

公开(公告)日：2020-11-10

申请号：CN202010606907.8

申请日：2020-06-29

Applicant: 南京邮电大学

Inventor： 胡宸 ,  陈志 ,  史佳成 ,  叶科淮 ,  王仁杰 ,  李玲娟 ,  岳文静

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于改进长效递归深度卷积模型的人物动作识别方法，先输入一段连续的视频帧，利用光流法根据输入帧构造神经网络输入模型；接着利用长效递归卷积模型求出每个输入序列所对应的特征值；利用字符串Hash的方法，构造CNN编码器，利用CNN编码器计算出该输入可能对应的行为动作yt；然后求出每个可能的行为yt的条件概率；最后将概率最大的yt作为输出；本发明公开的识别方法避免了极值的干扰，提高了准确性；通过字符串Hash的方法对输入序列编码，减少了时间复杂度；通过最大似然估计法以及输入序列和输出序列相结合的方式，解决了极值点影响结果的问题。