本发明公开了一种基于双流卷积注意力的动作识别方法。本发明方法首先对视频做预处理获得帧图像序列与光流图像序列，并分别提取视频的外观特征表示与动作特征表示；然后构建卷积注意力模块获得帧图像和光流图像的注意力特征表示，并通过双流融合模块对两种注意力表示进行信息融合；接着训练利用卷积注意力机制和双流融合方法的动作识别模型，并根据该模型对预处理后的新视频输出其动作类别。本发明方法不仅利用通道注意力和时空注意力捕获视频动作内容的潜在模式和时空关系，还通过双流融合从全局角度对视频的外观特征与运动特征进行信息融合，有效缓解了视频长期时序依赖的时序信息缺失问题，提高了动作识别的准确度。
📄 2021101168620
📂 G06K9_00
👤 杭州电子科技大学
📅 2021-01-28
本发明公开了一种基于特征金字塔的骨架动作识别方法，将待检测骨架序列输入到由预设数量的金字塔图卷积块组成的特征提取网络，获得人体骨架的多尺度特征；然后，对特征提取网络输出的多尺度特征进行帧融合和个体融合，得到通道数维度向量；最后对通道数维度向量进行线性投影变化后，经过分类函数得到识别结果。本发明通过捕捉骨架序列的多尺度空间特征，增强了模型的表征能力，通过基于注意力的图池化模块，能够有效地将骨架压缩为多个低阶子图，相比于现有技术方案，本申请实现了最高的识别准确率。
📄 2024113343431
📂 G06V40_20
👤 浙江工业大学
📅 2024-09-24
本发明公开了一种基于并联注意力和双流权重自适应的动作识别方法，分别对RGB序列和深度序列采用三维度并联注意力卷积网络提取序列特征，得到序列的运动特征表示；同时提前融合两个序列，采用三维度并联注意力卷机网络提取共同特征；将共同特征生成的门控矩阵G作为权重协调因子，来动态协调RGB和深度特征的融合权重，得到可区分度高的融合特征F；最后，融合特征F在经过全连接层后，输入到动作分类器中，输出动作识别结果。本发明通过并联、同步且互不干扰的方式，提取更可靠的特征信息，以进一步提高对上下文动作视频识别的鲁棒性。
📄 2021113713331
📂 G06V40_20
👤 浙江工业大学
📅 2021-11-18
本发明公开了一种基于多项式拟合的模特走秀动作评价方法，包括以下步骤：模特图像采集，通过摄像机对模特进行人体关节点进行检测；其中，所述人体面部关节点是相机正对人体面部时，人体关节在二维平面上的坐标点；对检测的人体关节点进行归一化处理后，再进行多项式拟合，得到多项式拟合系数；将多项式拟合系数作为特征进行PCA数据降维；利用降维后的数据训练SVM分类器，而后利用训练好的SVM分类器对模特走秀动作进行评价。本发明通过摄像机采集模特走秀视频数据，对该数据利用多项式拟合后进行分析，可训练一个评价动作的模型，可实现自动准确的对模特的走秀动作进行评价。
📄 2018105567897
📂 G06V40_20
👤 浙江钜典影像科技有限公司
📅 2018-06-01
本发明公开了一种基于三维人体骨架的人体基本动作实时识别方法，具体按照确定Kinect的安置角度；根据三维人体骨架定义人体基本动作，得到多个定义动作；利用Kinect获取待识别人体动作，获取待识别人体动作的动作特征，将待识别人体动作与定义动作进行特征匹配，进行待识别人体动作的识别的步骤。本发明一种基于三维人体骨架的人体基本动作实时识别方法，能够通过Kinect实时获取骨骼数据对人体基本动作的动作进行实时识别。
📄 2018109163746
📂 G06V40_20
👤 西安理工大学
📅 2018-08-13
本发明涉及一种基于关节点时空简单循环网络和注意力机制的动作分类方法。首先，将普通的SRU模型进行空间维度扩展，设计了一种同时在时间和空间两个维度上进行迭代计算的ST‑SRU模型。然后，在所提ST‑SRU模型基础上，引入全局上下文注意力机制，提出了GCA‑ST‑SRU方法。最后，将所提方法用于人体行为识别，先用深度网络提取人体关节点的特征，再采用GCA‑ST‑SRU方法对提取的特征进行识别。本发明方法能够降低训练耗时和提升分类准确率，具有明显的效率优势。本发明方法快速地推断速度有利于实时动作识别系统的设计，适合运行在计算能力有限的平台上，在计算机视觉、智能监控、人机交互等领域具有广阔的应用前景。
📄 2018115578154
📂 G06K9_00
👤 杭州电子科技大学
📅 2018-12-19
本发明公开一种基于运动数据的转换动作识别方法及运动识别方法。本发明对获取的运动数据预处理，得到处理后基于固定滑动窗口大小的数据片段；依据人体活动中的基础动作类别对所得数据片段进行聚类；对于未被聚类的数据片段，将前后的已聚类的相邻片段通过相似度比较算法，识别其中的转换动作。与传统人体行为识别方法对比，经高斯混合模型方法对传运动数据进行聚类后，根据与邻近数据片段相似度比对，区分运动数据中的基础动作与转换动作。再经过随机森林分类器进行分类，提升转换动作的识别准确率，也提升了总体的准确率。
📄 2020101633844
📂 G06K9_00
👤 杭州电子科技大学
📅 2020-03-10
本发明公开了一种动作识别的跑步机健身方法，具体包括以下步骤：步骤S1：人体数据采集；步骤S2：人物建模及虚拟场景搭建；步骤S3：骨骼点信息获取与绑定；步骤S4：动作识别判断。本发明用户可以使用肢体动作通过屏幕提示对系统发送操作指令，控制虚拟人物在设计的场景中进行走路、跑步、跳跃等动作，人机交互体验感强。系统中设计的跑步路线分为虚拟游戏路线和实景路线，避免了人们在传统的跑步机长时间运动时枯燥无味的运动体验。
📄 2020104664172
📂 A63F13_2145
👤 西安工业大学
📅 2020-05-28
本发明公开了基于双尺度时空分块互注意力的课堂动作识别方法。本发明方法首先对高清课堂学生视频数据进行预处理得到学生动作视频帧序列；然后构建由双尺度特征嵌入模块、时空分块互注意力编码器、课堂动作分类模块组成的动作识别模型，依次获得双尺度时空特征表示、双尺度分类向量、动作类别概率向量，并利用随机梯度下降算法对动作识别模型进行迭代优化；将预处理后的新课堂视频输入该模型获得学生动作的类别。本发明方法不仅对多组时空块用时空注意力建模，以捕获线下与线上课堂学生视频的多尺度时空信息，还能通过尺度互注意力机制刻画不同尺度学生画面信息，从而提升课堂视频的学生动作识别准确率。
📄 2021105185254
📂 G06V20_40
👤 杭州电子科技大学
📅 2021-05-12
本发明公开了基于多流LSTM的动作识别方法；获取由关节点表示的人体动作序列；对所述动作序列进行视角预处理，并对视角预处理结果进行特征提取；对所述动作序列进行动态属性萃取，并对动态属性萃取结果进行特征提取；分别对所述视角预处理结果和动态属性萃取结果进行特征提取，并对提取的特征进行特征融合；分别利用提取的特征以及融合的特征进行动作识别；再对识别结果进行决策融合，最终得到动作的识别结果；本发明整合了动作序列的空间特性和时间特性，融合了动作的静态特性和动态特性，动作识别的精度高，稳定性好，所需的训练数据少，收敛性速度快，适合处理复杂的动作类型。
📄 2017110438016
📂 G06K9_00
👤 内江师范学院
📅 2017-10-31
本发明公开了一种基于时空图的人体骨骼动作识别方法，包括以下步骤：S1、获取骨骼数据，并对所述骨骼数据进行预处理，得到二阶数据信息；S2、将二阶数据信息输入多分支网络，得到骨骼数据提取信息；S3、将骨骼数据提取信息输入时空特征提取网络，得到骨骼数据的时空特征信息；S4、将骨骼数据的时空特征信息依次输入全局平均池化层和全连接层，得到置信度最高的动作，完成人体骨骼动作识别。本发明设计了时空图模块引入Transformer结构，可以更好捕捉若干帧内全局的时空关系，利用其注意力机制自适应的学习跨帧节点间关联性的强度，并且利用图卷积根据固定图结构捕捉局部的空间特征。两者信息相互补充，从而使得信息能够直接的跨时空交流。
📄 2022104241285
📂 G06V40_20
👤 成都信息工程大学
📅 2022-04-22
本发明涉及行为识别和计算机视觉领域，公开了一种基于运动和时序增强的运动员动作识别网络和系统。其中，网络架构包括顺次连接的第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层和全连接层；第一卷积层用于对输入的运动视频帧进行卷积操作和最大池化操作；第二卷积层至所述第五卷积层均用于对接收的特征图进行降维处理、运动特征激励、时序增强和时空特征提取；全连接层用于根据第五卷积层输出的特征信息进行分类识别，输出运动员动作识别结果。本发明能够端到端的完成对运动篮球视频中球员的动作识别任务，可解决对运动视频中球员的运动信息提取不充分以及对长时序特征提取困难等问题。
📄 2023101753661
📂 G06V40_20
👤 重庆邮电大学
📅 2023-02-28
柿子坊 · 知识产权运营
柿子坊知识产权运营平台