本发明公开了一种基于骨骼信息的分组混淆图卷积动作识别方法。本发明采用了一种分组的思想，在进行空间操作的时候，我们对动态图进行分组来提取不同图结构的信息，获得丰富的行为信息。同时分组的形式还可以降低模型的参数量。然后在时序上进行操作的时候，采用深度可分离卷积的形式来降低参数和计算量。由于在空间和时序上都是采用分组的形式，所以需要对不同分组的信息进行融合，以达到信息的流通。结果显示本方法在保持高性能的情况下，参数量和计算量有着大幅的减小，证明了本方法有效性。
📄 2021106470354
📂 G06V40_20
👤 杭州电子科技大学
📅 2021-06-10
本发明涉及图像识别技术领域，具体涉及基于时空G‑T的双流动作识别系统及方法，包括输入特征图数据，基于空间自适应图卷积网络模块训练，得到训练数据；使用时间卷积网络模块提取特征，作出类别预测，得到第一分数；利用空间变换器模块提取身体所有节点的查询向量、索引向量和值向量；时间变换器模块提取单个节点所有帧的查询向量、索引向量和值向量；将空间变换器模块输出作为时间变换器模块输入，提取特征，做出类别的预测，得到第二分数；将第一分数和第二分数相加，得到融合分数，预测动作标签，该方法通过信息融合，它们可以相互学习特征信息，通过最大化两类动作表征之间的相互信息来丰富动作特征，提高准确率。
📄 2024107290047
📂 G06V40_20
👤 南宁师范大学
📅 2024-06-06
本发明请求保护一种基于多尺度时空主题图卷积网络的人体动作识别方法与系统，属于姿态领域。该方法具体包括：S1利用关键点置信度和亲和度预测网络对输入的图像数据进行骨骼特征关键点提取，生成待识别的特征图；S2构建基于主题的人体骨骼的邻接矩阵，并增加四肢区域节点的划分策略，对每对关节点之间存在的联系建立主题图卷积网络；S3对人体骨骼邻接节点的骨骼特征，利用多尺度特征提取方法，建立多尺度主题图卷积网络；S4建立多尺度时空主题图卷积网络模型；S5日常环境下实现常见动作的检测，当视频图像内的人发生危险动作时，及时通知工作人员。本发明能够在不提高模型的复杂度的情况下提高模型的准确率，同时结合现实生活需要实现人体动作识别。
📄 2023103694032
📂 G06V40_20
👤 重庆邮电大学
📅 2023-04-07
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
柿子坊 · 知识产权运营
柿子坊知识产权运营平台