买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：天津理工大学

摘要：本发明提供一种基于深度学习策略用于排球视频事件检测方法及装置，属于计算机视觉和排球图像处理领域。通过对视频进行分帧以及语义标注可以更好地为下游任务提供帮助；融合目标检测的人体图像与人体姿态估计的关键点图像可以加快对排球视频的事件定位速度；通过分析视频中的客观数据可为教练员的指导提供有价值的分析信息支持，以便提高运动员训练水平。针对当前由于事件检测存在一定的滞后性和准确性，本发明提出了一种基于深度学习策略的网络用于实现高质量高效率的排球视频事件检测，该模型主要使用卷积神经网络，能够捕获全局和局部特征，并且加快了事件检测速度，有效地改善了排球视频事件检测的效率和质量。

主权项：1.一种基于深度学习策略用于排球视频事件检测方法，所述方法包括如下步骤：步骤1：输入目标视频，将视频从开始到结束划分为不同的组并提取改组的关键帧；步骤2：在每个分组的关键帧上通过提取特征值和简单而通用的人工规则去除冗余信息，并标注视频帧的语义信息；步骤3：数据集的选择与划分，使用现有的开源数据集作为训练和训练时的验证图像；步骤4：将开源数据集中的图像按照一定的比例随机选择分为训练集和验证集；步骤5：基于单阶段目标检测算法和人体姿态估计算法设计网络结构，确定神经网络每一层的输入通道数、输出通道数、卷积核大小、步长的参数，预设合适的锚框类型及尺寸，给定学习率，设置学习率变化参数，选定优化函数，设计合适的损失函数；步骤6：从训练集中分批打包训练图像输入模型网络中有关目标检测的浅层卷积网络中提取目标检测浅层特征图；步骤7：将目标检测浅层特征图传入由若干个串、并联拼接的卷积网络中，提取目标检测深度特征部分；步骤8：对获得到的目标检测特征图进行特征级连接，并将连接后的特征图聚合与分类模块，通过不同缩放比例的特征图提取不同目标大小的特征；步骤9：将含有目标检测结果的特征图输入到有关人体姿态估计的浅层卷积网络中提取关键点浅层特征图；步骤10：将获取到的关键点浅层特征图分别进行下采样n倍、2n倍和4n倍，同时对低空间分辨率的图像分别进行上采样4n倍、2n倍和n倍，并对图像进行多尺度融合输出；步骤11：将每个关键点绘制在原图上即刻得到最终的输出结果；步骤12：对输出的结果与真实标签信息进行损失计算，反向传播更新网络模型的参数；步骤13：反复执行上述步骤1-步骤12，训练指定的周期数，最终以测试图像的平均精确度和目标关键点相似度最高的模型作为最优的事件检测模型并保存使用；步骤14：将上一阶段中的视频帧输入到训练好的用于事件检测的神经网络模型中，即得到含有最终的事件检测图像；步骤15：保存上一阶段所获得到的图像，通过算法确定具体的映射关系，对检测出的事件信息进行分析与统计计算，并对约束条件更高的事件进行判定。

全文数据：

权利要求：

百度查询： 天津理工大学 一种基于深度学习策略用于排球视频事件检测方法及装置