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:上海大学
摘要:本发明涉及一种基于时空特征融合的武术动作评分与识别方法,包括五个步骤:步骤1,创建武术动作质量评分与识别视频数据集;步骤2,将步骤1整理的武术视频数据集转换为动作骨架输入时序语义对比模型当中,进行时间编码器的预训练;步骤3,将步骤2整理的骨架序列分别输入网络的时间编码器与空间编码器,得到深层与浅层时间序列特征与空间序列特征;步骤4,使用步骤3中的多模态序列特征,通过动作识别编码器预测帧序列动作种类分类结果,通过评分模型预测动作得分;步骤5,使用步骤4得到的网络模型进行系统的移植,设计出对于武术评分与识别的应用。本发明可以准确的评分,给武术比赛自动化评估带来一种新思路。
主权项:1.一种基于多模态时空特征融合的武术动作评分与识别方法,其特征在于,步骤如下:步骤1:武术动作质量评分与识别视频数据集预处理:创建武术动作质量评分与识别视频数据集;标注好对应的动作评分,用于训练动作评分模块;标注视频片段的动作种类识别结果,用于训练动作识别模块;得到整理后的武术视频数据集;步骤2:时间编码器的预训练:将步骤1整理后的武术视频数据集转换为动作骨架信息后输入时序语义对比模型当中,进行时间编码器的预训练,得到动作骨架序列;步骤3:通过主干网络对时空特征提取:将步骤2整理的动作骨架序列分别输入主干网络的时间编码器与空间编码器,得到深层与浅层时间序列特征与空间序列特征,在动作识别解码器中通过上采样识别模块,将提取的浅层和深层时间特征进行连接,利用归一化融合不同层级的嵌入特征并与空间特征进行融合,以生成融合时空信息的多模态序列特征;步骤4:利用多模态特征融合进行预测训练:使用步骤3中的多模态序列特征,通过动作识别编码器预测帧序列动作种类分类结果,通过评分模型预测动作得分,通过不断迭代优化网络的均方损失函数,增强网络的预测能力,得到武术动作评分与识别的网络模型;步骤5:武术动作评分与识别的应用:使用步骤4得到的网络模型进行系统的移植,设计出对于武术评分与识别的应用。
全文数据:
权利要求:
百度查询: 上海大学 一种基于多模态时空特征融合的武术动作评分与识别方法
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。