申请/专利权人:安徽师范大学
申请日:2022-01-12
公开(公告)日:2024-06-25
公开(公告)号:CN114360068B
主分类号:G06V40/20
分类号:G06V40/20;G06V10/82;G06N3/0464;G06N3/042;G06N3/045;G06N3/096
优先权:
专利状态码:有效-授权
法律状态:2024.06.25#授权;2022.05.03#实质审查的生效;2022.04.15#公开
摘要:本发明公开的基于多流分组洗牌图卷积神经网络的骨骼动作识别方法,包括:获取骨骼图像中的骨骼数据,骨骼数据由多个骨骼序列组成,每个骨骼序列为一个动作样本,提取动作样本的特征图;将动作样本的特征图输入分组洗牌图卷积神经网络模型中,输出当前动作样本对应的动作;分组洗牌图卷积神经网络模型包括:若干并联连接的分组洗牌图卷积神经网络子模型及处理单元,每个分组洗牌图卷积神经网络子模型输出当前动作样本对应的得分,处理单元将多个分组洗牌图卷积神经网络子模型的得分相加后平均,该得分包含所有动作类别的分数,分数最高的动作类别即为当前动作样本被模型所识别出的动作。引入分组洗牌技术降低子模型的计算成本。
主权项:1.一种基于多流分组洗牌图卷积神经网络的骨骼动作识别方法,其特征在于,所述方法具体包括如下步骤:S1、获取骨骼图像中的骨骼数据,骨骼数据由多个骨骼序列组成,每个骨骼序列为一个动作样本,提取动作样本的特征图;S2、将动作样本的特征图输入分组洗牌图卷积神经网络模型中,分组洗牌图卷积神经网络模型输出当前动作样本对应的动作;其中,分组洗牌图卷积神经网络模型包括:若干并联连接的分组洗牌图卷积神经网络子模型,与分组洗牌图卷积神经网络子模型连接的处理单元;每个分组洗牌图卷积神经网络子模型输出当前动作样本对应的得分至处理单元,处理单元将多个分组洗牌图卷积神经网络子模型的得分相加后平均,该得分包含所有动作类别的分数,分数最高的动作类别即为当前动作样本被模型所识别出的动作。
全文数据:
权利要求:
百度查询: 安徽师范大学 基于多流分组洗牌图卷积神经网络的骨骼动作识别方法
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。