申请/专利权人:珠海金智维信息科技有限公司
申请日:2024-02-21
公开(公告)日:2024-06-07
公开(公告)号:CN118155276A
主分类号:G06V40/20
分类号:G06V40/20;G06N3/0455;G06N3/048;G06N3/08;G06V10/44;G06V10/764;G06V10/82
优先权:
专利状态码:在审-公开
法律状态:2024.06.07#公开
摘要:本发明涉及机器学习技术领域,具体涉及基于人体关键点与transformer序列的动作检测方法及系统。该方法包括:本发明通过获取含有人体动作的视频数据,并基于视频数据标注人体动作对应的人体关键点;基于人体关键点生成标注数据;并基于标注数据生成基于人体关键点和transformer序列的动作检测模型,利用基于人体关键点和transformer序列的动作检测模型对标注数据完成动作检测能够提高动作检测的准确性。
主权项:1.基于人体关键点与transformer序列的动作检测方法,其特征在于,方法以下步骤包括:步骤一:获取含有人体动作的视频数据,并基于视频数据标注人体动作对应的人体关键点;步骤二:基于人体关键点生成标注数据;步骤三:将标注数据输入至初始训练模型中,采用小批量梯度下降法进行训练,设置学习率为0.01,batch_size为30,采用反向梯度传播进行参数更新,得到第一模型,其中,训练过程中采用Adam作为优化器;步骤四:将第一模型输入到HrNet网络,输出模型前向计算结果,将前模型前向计算结果与真实值对比计算损失值MSE,其中,真实值为标注动作对应的参数值,采用的均方差损失进行计算损失值MSE: 其中,n为标注数据个数,yi为每个标注数据的真实输出,为前模型前向计算结果,i为训练数据序号;步骤五:基于损失值对第一模型的效果进行分析,以调整初始训练模型起始的超参数,实现对第一模型训练的调优,若整个训练过程收敛速度小于预设阈值,则增大学习率以更新权重,以更新后的权重指导初始训练模型对标注数据进行训练,重复步骤三、步骤四与步骤五,得到人体关键点与transformer序列的动作检测模型;步骤六:基于人体关键点与transformer序列的动作检测模型对标注数据进行人体动作类型判断。
全文数据:
权利要求:
百度查询: 珠海金智维信息科技有限公司 基于人体关键点与transformer序列的动作检测方法及系统
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。