申请/专利权人:山东大学
申请日:2021-12-01
公开(公告)日:2024-06-25
公开(公告)号:CN114187546B
主分类号:G06V20/40
分类号:G06V20/40;G06V40/20;G06V10/22;G06V10/46;G06V10/764
优先权:
专利状态码:有效-授权
法律状态:2024.06.25#授权;2022.04.01#实质审查的生效;2022.03.15#公开
摘要:本发明提供一种组合性动作识别方法及系统,属于计算机视觉技术领域,获取待识别的视频中包含的物体的几何位置信息;基于几何位置坐标获取各个物体的多模态特征;其中,多模态特征包括几何表征特征、视觉表征特征和运动流特征;根据所述多模态特征,得到表征各个物体间交互关系的特征向量;基于表征各个物体间交互关系的特征向量,进行动作分类,得到最终的组合性动作识别结果。本发明通过基于自注意力机制的Transformer模块,推断视频序列中不同物体在时域和空域上的交互关系,弱化了RGB视觉表征信息,引入光流数据,增强了模型提取时序特征的能力,融合多种数据模态提取的特征,弥补了不同数据模态之间的缺陷,有效提高了组合性动作识别的准确率和泛化性。
主权项:1.一种组合性动作识别方法,其特征在于,包括:获取待识别的视频中包含的物体的几何位置信息;包括:检测待识别的视频序列中出现的各个物体的类别以及位置坐标;基于各个物体的类别以及位置坐标,得到每个物体的类别、位置以及在视频序列中的出现顺序标号;基于所述几何位置坐标及RGB视频序列获取各个物体的多模态特征;所述多模态特征包括几何表征特征、视觉表征特征和运动流特征;其中,提取用于几何特征建模的输入数据时,对于某个物体,除了使用检测到的边界框坐标表征固定位置信息外,引入与其他物体的相对位置信息,以及该物体在相邻帧间的变化信息;根据所述多模态特征,采用三条分支的关系推理网络,得到表征各个物体间交互关系的特征向量;具体为:采用多头注意力模块结合全连接的前馈层,对所述多模态特征进行处理;将对所述多模态特征进行处理得到的特征映射到一个更高维的空间,放大向量的各类信息彼此之间的差异,随后再映射回低维空间;将映射回低维空间后得到的特征与所述多模态特征进行拼接,得到表征各个物体间交互关系的特征向量;基于所述表征各个物体间交互关系的特征向量,进行动作分类,得到最终的组合性动作识别结果。
全文数据:
权利要求:
百度查询: 山东大学 组合性动作识别方法及系统
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。