-
公开(公告)号：CN107194559B
公开(公告)日：2020-06-05
申请号：CN201710335309.X
申请日：2017-05-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于三维卷积神经网络的工作流识别方法。仅对不同工序任务进行事先划分并且在分析视频的过程中人为对不同动作行为打上标签，这样不符合智能制造的自动化需求。本发明首先提出了一种带有自适应阈值的帧间差分法，该方法主要用于从复杂背景中分割出运动物体的区域，从而降低了后面特征提取与模型训练的时间复杂度；其次，对3D卷积神经网络进行了改进，使其能够充分适应具有多个监控设备的工厂环境，而对于不同视图，采用视图池化层对不同角度的视图按权重进行融合；最后，提出了一种新的动作划分方法，对视频中连续的生产动作进行自动划分，从而实现了自动化的工作流识别过程。
-
公开(公告)号：CN107194559A
公开(公告)日：2017-09-22
申请号：CN201710335309.X
申请日：2017-05-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于三维卷积神经网络的工作流识别方法。仅对不同工序任务进行事先划分并且在分析视频的过程中人为对不同动作行为打上标签，这样不符合智能制造的自动化需求。本发明首先提出了一种带有自适应阈值的帧间差分法，该方法主要用于从复杂背景中分割出运动物体的区域，从而降低了后面特征提取与模型训练的时间复杂度；其次，对3D卷积神经网络进行了改进，使其能够充分适应具有多个监控设备的工厂环境，而对于不同视图，采用视图池化层对不同角度的视图按权重进行融合；最后，提出了一种新的动作划分方法，对视频中连续的生产动作进行自动划分，从而实现了自动化的工作流识别过程。
-
Search Results
2
records
(took 0.025 seconds)
