一种视频动作分类的处理方法及装置

    公开(公告)号:CN107463949A

    公开(公告)日:2017-12-12

    申请号:CN201710573692.2

    申请日:2017-07-14

    IPC分类号: G06K9/62 G06K9/00 G06N3/04

    摘要: 本发明实施例提供一种视频动作分类的处理方法及装置,方法包括:读取待识别的视频帧,并提取视频帧的光流图像;选择一帧视频帧作为起始帧,提取起始帧后的连续m帧视频帧x方向和y方向的光流图像,并与起始帧的RGB图像作为一个样本;将每一个样本中的光流图像和起始帧的RGB图像同时输入SCNN和TCNN,以分别获得SCNN和TCNN的最高卷积层计算出的卷积投影;根据卷积投影和多尺度卷积核的融合模块,获取视频动作的时空融合特征投影;将时空融合特征投影依次通过卷积层、最大池化层和全连接层进行计算,并根据计算结果和分类器获得视频动作所属分类。装置执行上述方法。本发明实施例提供的视频动作分类的处理方法及装置,能够提高复杂场景下人物动作的识别准确率。

    一种可连续学习的快速图像数据分类方法

    公开(公告)号:CN113239974A

    公开(公告)日:2021-08-10

    申请号:CN202110427115.9

    申请日:2021-04-21

    IPC分类号: G06K9/62 G06N3/04 G06N3/08

    摘要: 本发明公开一种可连续学习的快速图像数据分类方法,包括:针对需要分类的图像数据,通过深度神经网络习得样本二值化特征;依据类别数量动态确定新增类别的二值编码信息;建立特征向量和类别之间的分类神经网络,动态调整连接权重,在尽量不影响已有的分类神经网络前提下,实现新增类别的模式分类。根据本发明的类增量学习方法,可以实现机器人系统在动态环境下对增量式图像数据的快速连续学习以及分类,避免了增量学习过程中出现的灾难性遗忘,并且大大缩短了训练增量式分类器的时间。

    一种视频动作分类的处理方法及装置

    公开(公告)号:CN107463949B

    公开(公告)日:2020-02-21

    申请号:CN201710573692.2

    申请日:2017-07-14

    IPC分类号: G06K9/62 G06K9/00 G06N3/04

    摘要: 本发明实施例提供一种视频动作分类的处理方法及装置,方法包括:读取待识别的视频帧,并提取视频帧的光流图像;选择一帧视频帧作为起始帧,提取起始帧后的连续m帧视频帧x方向和y方向的光流图像,并与起始帧的RGB图像作为一个样本;将每一个样本中的光流图像和起始帧的RGB图像同时输入SCNN和TCNN,以分别获得SCNN和TCNN的最高卷积层计算出的卷积投影;根据卷积投影和多尺度卷积核的融合模块,获取视频动作的时空融合特征投影;将时空融合特征投影依次通过卷积层、最大池化层和全连接层进行计算,并根据计算结果和分类器获得视频动作所属分类。装置执行上述方法。本发明实施例提供的视频动作分类的处理方法及装置,能够提高复杂场景下人物动作的识别准确率。