本发明公开了一种动作识别方法,包括:步骤1):通过设备获取图片序列集;步骤2):构建深度学习目标检测网络,将图片序列集输入到检测网络中,获得检测框集;步骤3):将检测框集转化为时空图;步骤4):获取图片、设备ID号、图像时间戳,并结合时空图,进行轨迹生成和轨迹数组对比;步骤5):通过时空图和轨迹数组的信息对轨迹数组进行更新,确认动作;步骤6):根据时间戳对轨迹数组进行接力更新,让轨迹数组保持动态性;该动作识别方法智能、高效、准确,可嵌入到任何场景和神经网络中,具有高度的模块化。
📄 2021112240792
📂 G06V40_20
👤 广州微林软件有限公司
📅 2021-10-21
本发明公开了一种基于CSI信号的手势动作识别方法,首先采集小区参考信号CRS数据,然后利用LS信道估计算法准确信道导频,再根据信道导频完整信道矩阵,利用导频平均与插值,实现LTE信号的CSI数据采集。接着在实验环境下采集包含志愿者手势动作的CSI数据,动作分为0~9十个手写数字相应的手势,并对获取到的所有CSI信号数据进行预处理,基于CSI信号的相位差和幅度,提取不同手势动作的CSI信号数据的相位差和幅度差别。最后构建Resnet残差网络模型并进行训练,从而回归出手势动作检测的评价信息。本发明能够使用大多数常见的商用设备进行感知,适用范围广,在无线感知、行为识别领域具有一定的应用价值。
📄 2023108226166
📂 G06F18_241
👤 浙江工业大学
📅 2023-07-06
一种基于深度学习的动态手势动作识别方法,包括:步骤一,构建手势关节点坐标识别网络,利用改进的CPM模型对手势视频进行处理,输出单视点下的手势关节点坐标;步骤二,采集单视点视频数据;以单视点的形式对手势视频样本进行采集,即用一个普通的网络摄像头从多个角度捕捉用户的手势数据,其中包括:(2.1)定义基本手势元素;(2.2)选取手势关节点;(3)准备训练样本数据集;步骤三,输出手势高斯热图和手势关节点坐标;步骤四,构造手势序列识别网络,网络模型构造的具体流程如下:(4.1)定义激活函数;(4.2)选择损失函数;(4.3)建立模型;最后,将步骤三得到的关节点坐标输入标准手势序列识别网络,得到手势动作序列。
📄 2020100118051
📂 G06V40_20
👤 浙江工业大学
📅 2020-01-06
一种提高动态手势动作识别准确率的方法,包括:步骤一,构建手势关节点坐标识别网络,利用改进的CPM模型对手势视频进行处理,输出双视点下的手势关节点坐标;步骤二,采集双视点视频数据,包括(2.1)定义基本手势元素,(2.2)选取手势关节点,(2.3)准备训练样本数据集;步骤三,对基本手势元素视频样本进行卡尔曼滤波处理;步骤四,输出手势高斯热图和手势关节点坐标;步骤五,构造手势序列识别网络,网络模型构造的具体流程如下:(5.1)定义激活函数,(5.2)选择损失函数,(5.3)建立模型;最后,将步骤四得到的关节点坐标输入标准手势序列识别网络,就可以得到手势动作序列。本发明能够提高对连续动作的识别准确率。
📄 2020100087829
📂 G06K9_00
👤 浙江工业大学
📅 2020-01-06
一种面向人机交互的手部动作识别方法,首先充分挖掘视频帧序列的视觉特征,通过帧间运动注意力机制动态提取帧间的运动信息及帧的外观特征;接着利用帧内静态注意力和帧间动态注意力相结合的方式增强时序特征;最后使用CTC束搜索解码方法预测视频对应机器指令,将机器指令传送给机器人,机器人根据指令进行相关动作。本发明考虑了手部动作识别中帧间运动信息和帧的外观特征,充分利用手部动作视频的时序信息,提高了面向人机交互的手部动作识别的适用性和准确性。
📄 2025100335732
📂 G06V40_20
👤 浙江工业大学
📅 2025-01-09
本发明涉及计算机技术领域,具体是一种基于文本监督的人体动作识别方法;首先将骨骼数据通过编码器网络模型进行人体骨架特征提取,再利用文本编码器生成不同动作的特征向量与骨架特征进行相似度计算,得到动作识别结果;本发明通过骨骼编码器得到骨架特征向量,在图卷积网络前加入图Transformer模块可以分析未相连关节点之间的联系,并与基于RGB的行为分析方法相比,有效增加其泛化能力,最后还通过文本编码器得到的文本特征监督学习骨架特征,有效提高动作识别的准确率。
📄 2023102837043
📂 G06V40_20
👤 浙江工业大学
📅 2023-03-22
本发明公开了一种基于AR教具的动作识别方法,属于动作识别技术领域,包括以下步骤:S1、采集用户在AR教具上的手势全局图像,并对手势全局图像进行裁剪,生成手势局部图像;S2、构建手势识别模型;S3、将手势局部图像输入至手势识别模型中,确定用户的手势动作。本发明公开了一种基于AR教具的动作识别方法,对全局图像进行精准裁剪,生成的局部图像只包含手部,便于后续步骤快速其准确地提取手势动作;同时,本发明还构建手势识别模型,手势识别模型对局部图像进行特征提取及特征融合,可以精准地提取用户的手势,便于用户控制AR教具,提高用户使用感,减少AR教具交互时间。
📄 2023116852693
📂 G06V40_20
👤 成都航空职业技术学院
📅 2023-12-11
本发明公开了一种基于Kinect的手势动作识别方法,具体为:对独立手势序列关键帧的提取,对交互手势序列关键帧的提取,基于DTW算法实现手势运动路径序列间相似性的度量,进行空间不同朝向的手势运动路径识别;根据手势运动路径、独立手势序列关键帧、交互手势序列关键帧,识别手势起始姿态、手势序列关键帧和手势终止姿态,进而进行基于运动路径的手势动作识别。本发明在手势运动路径跟踪的基础上实现对手势动作的识别,给出了基于手势起始姿态、手势运动路径和手势终止姿态对手势动作进行识别的策略。
📄 2019109797356
📂 G06V40_20
👤 西安理工大学
📅 2019-10-15
本发明是一种基于自主运动想象脑电的肢体动作识别方法,调查数据表明,当人做同一个动作时,大脑会产生类似的脑电信号,因此可以提取这些特征信号来实现机械臂的运动,进而辅助残疾人运动。本发明通过建立脑网络进行动作的分类,这种方法加强了大脑各个区域之间相关性的考虑,展现了EEG信号及其相关节律特征背后的工作机制。之后通过一种全新的基于非线性部分定向相干方法的脑因效性网络分析法,利用随机森林进行进行上肢运动分类,分类准确度高,根据脑电信号判断相应的动作,从而使得机械臂运动,达到残疾人辅助运动的目的。
📄 2019111686277
📂 G06F18_15
👤 杭州电子科技大学
📅 2019-11-25
本发明公开了一种基于骨架时空图卷积的复杂长程动作识别方法,属于计算机视觉领域,通过人体姿态检测模型提取一段视频中的人体骨骼关节点,然后将每帧中的关节点坐标作为输入序列,并用代表短时动作、中时动作和长时动作的不同尺度的滑动窗口去截取输入序列,然后将不同长度的序列传入ST‑RGCN模型中;提取特征向量;将同一个滑动窗口不同时刻下的特征向量做相似度评估,若两个特征向量之间的相似度没能达到阈值,则认为是不同的动作,并重定位至原视频帧,以此来实现长时复杂动作中子动作或不同动作的分割,同时将特征向量用作动作分类,实现精细动作检测。本发明不但能够实现复杂长程动作的识别,而且能够实现子动作的自动分割。
📄 2023111687030
📂 G06V40_20
👤 燕山大学
📅 2023-09-12
本发明公开了一种基于目标检测与动作识别的多目标视觉监管方法,包括以下步骤,采集工人穿戴制服和安全帽的图像,数据增强后构成第一数据集;采用第一数据集对Yolov3‑mobilenetv3网络进行训练,搭建tfpose人体骨架信息提取模型采集工人打电话和摔倒动作的骨架数据,构成第二数据集;采用第二数据集对IndRnn网络进行训练,利用deepsort多目标追踪算法对工人正在进行工作的图像进行追踪检测,检测识别每个工人,分割出个工人图像并为其分配固定ID;Yolov3‑mobilenetv3目标检测模型检测分割出的工人图像,得到每个工人的安全帽和制服的穿戴情况;IndRnn动作识别模型识别每个工人的动作异常情况;该方法使用了deepsort算法能够对每个工人实时追踪检测,更方便对工人进行视觉管理。
📄 2020107258081
📂 G06V40_20
👤 燕山大学
📅 2020-07-24
本发明提供一种基于多模态数据的正骨手法动作识别方法和系统,涉及机器学习领域。识别方法包括:S1、数据预处理;S2、数据融合;S3、活动段划分;S4、多模态区间特征提取;S5、区间支持向量机建模与优化。系统包括数据库、数据预处理模块、数据融合模块、活动段划分模块、区间特征提取模块和区间支持向量机模块。本发明通过多模态数据进行多维度判断,并利用自适应状态检测转换算法自动进行阈值提取,提高动作识别准确率;通过提取区间特征保留信号的不确定性和波动信息,提高模型对数据的感知力,采用区间支持向量机模型,通过参考整个区间提高鲁棒性减少过拟合。
📄 202510584915X
📂 G06F18_2411
👤 燕山大学
📅 2025-05-08