-
公开(公告)号：CN110135277B
公开(公告)日：2022-08-16
申请号：CN201910326391.9
申请日：2019-07-05
Applicant: 南京邮电大学
IPC: G06V40/20 , G06V10/82 , G06V10/774 , G06K9/62 , G06N3/04
Abstract: 本发明提供一种基于卷积神经网络的人体行为识别方法，包括如下步骤：采集不同人体动作的图像，每张所述图像都有一个人体骨架序列；根据人体骨架序列形成所述人体图像的移动骨架描述符图像和移动关节描述符图像；将不同人体动作的移动骨架描述符图像和移动关节描述符图像分别作为训练集训练卷积神经网络；将待识别人体动作的图像分别输入训练好的两个卷积神经网络中，分别得到各个人体动作的分数；将两种分数中相同人体动作对应的分数相加，得出得分最高的动作，作为人体行为识别的结果。本发明使得对于输入的人体姿势序列，能够使用卷积神经网络进行人体行为识别，提高对人体行为识别的准确度，并且降低学习模型的计算复杂度。
-
公开(公告)号：CN110135277A
公开(公告)日：2019-08-16
申请号：CN201910326391.9
申请日：2019-07-05
Applicant: 南京邮电大学
Abstract: 本发明提供一种基于卷积神经网络的人体行为识别方法，包括如下步骤：采集不同人体动作的图像，每张所述图像都有一个人体骨架序列；根据人体骨架序列形成所述人体图像的移动骨架描述符图像和移动关节描述符图像；将不同人体动作的移动骨架描述符图像和移动关节描述符图像分别作为训练集训练卷积神经网络；将待识别人体动作的图像分别输入训练好的两个卷积神经网络中，分别得到各个人体动作的分数；将两种分数中相同人体动作对应的分数相加，得出得分最高的动作，作为人体行为识别的结果。本发明使得对于输入的人体姿势序列，能够使用卷积神经网络进行人体行为识别，提高对人体行为识别的准确度，并且降低学习模型的计算复杂度。
-
Patent Agency Ranking
公开(公告)号：CN110163131A
公开(公告)日：2019-08-23
申请号：CN201910384116.2
申请日：2019-05-09
Applicant: 南京邮电大学
Abstract: 本发明公开一种混合卷积神经网络与小生境灰狼优化的人体动作分类方法，该方法首先对输入的视频帧生成动作库和局部时空特征，再借助时空特征从视频运动中检测兴趣点并对其提取深度卷积特征，然后用GWO算法获得CNN分类器最优的权重并利用反向传播算法训练多个CNN分类器，最后融合多个分类器的输出以纠正结果。本发明将卷积神经网络与灰狼优化算法相结合，通过训练具有梯度下降和全局搜索能力的CNN分类器来减少分类错误。本发明能够解决无约束视频中人体动作分类准确度不够高的问题，并提高分类性能，具有高度的鲁棒性与实效性。
-
公开(公告)号：CN110163131B
公开(公告)日：2022-08-05
申请号：CN201910384116.2
申请日：2019-05-09
Applicant: 南京邮电大学
Abstract: 本发明公开一种混合卷积神经网络与小生境灰狼优化的人体动作分类方法，该方法首先对输入的视频帧生成动作库和局部时空特征，再借助时空特征从视频运动中检测兴趣点并对其提取深度卷积特征，然后用GWO算法获得CNN分类器最优的权重并利用反向传播算法训练多个CNN分类器，最后融合多个分类器的输出以纠正结果。本发明将卷积神经网络与灰狼优化算法相结合，通过训练具有梯度下降和全局搜索能力的CNN分类器来减少分类错误。本发明能够解决无约束视频中人体动作分类准确度不够高的问题，并提高分类性能，具有高度的鲁棒性与实效性。
-
公开(公告)号：CN110188646B
公开(公告)日：2022-08-02
申请号：CN201910433620.7
申请日：2019-05-23
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于梯度方向直方图与局部二值模式融合的人耳识别方法，解决了从人耳图像中进行人耳识别识别率不高的问题。本发明首先提取出图像的梯度方向直方图，并用主成分分析法进行降维，再用局部二值模式提取出图像的纹理特征，然后将两个特征融合，最后使用最小距离分类器进行分类。本发明通过多特征融合，提高了人耳识别的识别率，具有良好的实施性与实效性。
-
公开(公告)号：CN110188646A
公开(公告)日：2019-08-30
申请号：CN201910433620.7
申请日：2019-05-23
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于梯度方向直方图与局部二值模式融合的人耳识别方法，解决了从人耳图像中进行人耳识别识别率不高的问题。本发明首先提取出图像的梯度方向直方图，并用主成分分析法进行降维，再用局部二值模式提取出图像的纹理特征，然后将两个特征融合，最后使用最小距离分类器进行分类。本发明通过多特征融合，提高了人耳识别的识别率，具有良好的实施性与实效性。
-
公开(公告)号：CN110163133A
公开(公告)日：2019-08-23
申请号：CN201910387636.9
申请日：2019-05-10
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于深度残差网络的人体行为识别方法，包括以下步骤：使用kinect传感器，获取包含人体的深度图和人体关节的数据集；对深度图进行均衡化、灰度化处理，得到深度动作图数据；将人体关节的数据集中的坐标转换成球坐标，计算出关节描述图来表示身体姿势序列，进行数据扩充后在深度残差网络中进行训练；将得到的结果在最后一个池化层之后连接，得到一个新的层；对比不同深度网络下训练的结果，得到识别结果。本发明通过对两个不同数据集分别进行处理训练后结合，使用了更加深层的深度残差网络进行训练，通过这些方法的应用能够降低错误率，提高行为识别的准确性与稳定性，具有良好的实施性与实效性。
-
-
-
-
-
-
Search Results
7
records
(took 0.022 seconds)
