龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：武汉纺织大学
申请日：2024-05-06
公开（公告）日：2024-06-04
公开（公告）号：CN118135496A
主分类号：G06V20/52
分类号：G06V20/52;G06V20/40;G06V10/764;G06V10/774;G06V10/80;G06V10/82
优先权：
专利状态码：在审-公开
法律状态：2024.06.04#公开
摘要：本发明公开了一种基于双流卷积神经网络的课堂行为识别方法，所述方法包括以下步骤：S1：设计适用于课堂行为识别的双流网络模型；所述双流网络模型包括数据预处理模块、双流卷积神经网络提取特征模块、特征融合模块；S2：使用设计好的双流网络模型提取视频特征序列生成行为提议信息；S3：将生成的行为提议信息进行边界优化，特征重新设计后生成行为级的预测结果。本发明通过双流网络模型可以有效地提取图像和视频数据中的空间信息、时间序列信息以及动作特征，从而帮助区分不同的课堂行为类别，能够更准确地判断学生在课堂上的行为动作，提高课堂行为识别的准确率和实时性。
主权项：1.一种基于双流卷积神经网络的课堂行为识别方法，其特征在于，所述方法包括以下步骤：S1：设计适用于课堂行为识别的双流网络模型；所述双流网络模型包括数据预处理模块、双流卷积神经网络提取特征模块、特征融合模块，包括如下步骤：S11：将采集的课堂视频送入数据预处理模块进行数据预处理；S12：将预处理后的光流图像和RGB图像帧送入双流卷积神经网络模块进行提取特征；S13：将双流卷积神经网络模块提取的空间特征和时间特征送入特征融合模块进行特征融合得到融合后的特征；S2：使用设计好的双流网络模型提取融合后的特征生成行为提议信息；S3：将生成的行为提议信息进行边界优化，特征重新设计后生成行为级的预测结果。
全文数据：
权利要求：
百度查询： 武汉纺织大学 一种基于双流卷积神经网络的课堂行为识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号