-
公开(公告)号：CN108319905A
公开(公告)日：2018-07-24
申请号：CN201810071442.3
申请日：2018-01-25
Applicant: 南京邮电大学
Abstract: 一种基于长时程深度时空网络的行为识别方法，包括如下步骤：构建多通道特征拼接网络模型；选取视频行为数据集，提取视频行为数据集中每个视频的彩色图像序列数据集和光流图像序列数据集；将彩色图像序列数据集和光流图像序列数据集按照连续多帧分为若干片段，片段输入多通道特征拼接网络模型，先经过低层提取每个片段连续帧的时空特征，再由中层拼接生成每个视频片段的整体时空特征，并将每个视频片段的整体时空特征按片段顺序串接形成视频的整体时空特征，然后在高层融合视频的整体时空特征，最后通过softmax层输出该视频行为的分类结果。本发明通过提取长时程多帧图像序列中的时空特征来识别视频中的复杂行为，提高了视频复杂行为的识别率和鲁棒性。
Search Results
1
records
(took 0.014 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
