龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：重庆邮电大学
摘要：本发明请求保护一种基于可学习PL‑GCN和ECLSTM的骨骼动作识别方法，涉及动作识别领域。可以解决骨骼动作识别过程中关键帧和显著运动关节的特征捕获能力有限和相似动作分类能力较弱等问题，该方法包括：针对相似动作识别易混淆的问题提出了一种可学习图卷积网络PL‑GCN用于改善模型的物理结构；针对关键帧捕获能力较弱的问题提出了特征增强的长短时记忆网络ECLSTM用于增强时序特征；利用骨骼序列数据的图拓扑结构完成骨骼图的构建；融合来自图卷积后的空间特征和由ECLSTM网络提取后的时序特征；对融合后的特征经过平均池化、卷积后进行最后的特征分类。本专利提出的方法在动作识别进度，算法复杂度以及特征提取能力均优于当前的一些方法。
主权项：1.一种基于可学习PL-GCN和ECLSTM的骨骼动作识别方法，其特征在于，包括以下步骤：步骤1：基于OpenPose姿态估计算法获取人体骨架序列数据，并进行相应的样本标签标注；步骤2：将骨骼关节点数据建模成图拓扑结构，完成图卷积的构建；步骤3：在原有ST-GCN的图拓扑结构邻接矩阵A分组的基础上，构建一个带有自学习能力的图卷积网络PL-GCN，用来优化人体动作的图结构；步骤4：构建一种特征增强的长短时记忆网络ECLSTM，用来捕获时序特征；步骤5：融合来自PL-GCN图卷积网络提取的空间特征和ECLSTM网络捕获的时序特征；步骤6：使用池化、卷积网络融合后的动作特征进行最后的分类预测；步骤7：构建由9层可自学习图卷积模块组成的空间特征提取网络和3个ECLSTM模块组成的时间特征提取网络的双流框架；输入的骨骼关节点数据先是沿着神经网络模型进行前向传播，将最后的特征经过池化卷积后给出动作类别得分情况，得分最高的类别即为预测类别；后经由损失函数对各网络层参数求导后沿梯度反向传播直到损失函数值达到最小，得到最优的权重参数。
全文数据：
权利要求：
百度查询： 重庆邮电大学 一种基于可学习PL-GCN和ECLSTM的骨骼动作识别方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号