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：浙江工业大学
摘要：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。
主权项：1.一种基于并联注意力和双流权重自适应的动作识别方法，其特征在于，所述的基于并联注意力和双流权重自适应的动作识别方法，包括：选取原始视频数据中的RGB图像和深度图像作为输入数据，并进行数据预处理，得到RGB图像序列和深度图像序列；采用三维度并联注意力卷积网络，分别提取RGB图像序列和深度图像序列对应的RGB特征Fa和深度特征Fd，以及RGB图像序列和深度图像序列对应的共同特征Fc；使用时间卷积模块分别对RGB特征Fa和深度特征Fd进行通道对齐操作，得到具有相同通道数的RGB特征Fa′和深度特征Fd′；使用卷积门控模块对共同特征Fc进行处理得到门控矩阵G；将门控矩阵G和1-G分别作为RGB特征Fa′和深度特征Fd′的权重协调因子，得到最终的融合特征F；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；其中，所述三维度并联注意力卷积网络，包括：第一特征提取模块、第二特征提取模块、第三特征提取模块、第四特征提取模块和第五特征提取模块；所述RGB图像序列依次经过第一特征提取模块和第二特征提取模块，输出RGB特征Fa；所述深度图像序列依次经过第三特征提取模块和第四特征提取模块，输出深度特征Fd；将第一特征提取模块和第三特征提取模块输出的特征相加，然后输入到第五特征提取模块，输出共同特征Fc；所述卷积门控模块包括内核大小为1的卷积层、批标准化层、ReLU激活函数和Sigmoid激活函数。
全文数据：
权利要求：
百度查询： 浙江工业大学 一种基于并联注意力和双流权重自适应的动作识别方法
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