公开(公告)号：CN108805083B

公开(公告)日：2022-03-01

申请号：CN201810607804.6

申请日：2018-06-13

Applicant: 中国科学技术大学

Inventor： 王子磊 ,  刘志康

IPC: G06V40/20 ,  G06V20/40 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62

Abstract: 本发明公开了一种单阶段的视频行为检测方法，其包括：在训练阶段，基于卷积神经网络构建多尺度行为片段回归网络；将训练视频和帧级真实行为标签作为输入，使用多任务学习的端到端优化方法训练多尺度行为片段回归网络，获得训练好的多尺度行为片段回归网络模型；在使用阶段，当新视频输入时，通过时间维度滑窗生成与训练视频具有相同长度的输入帧序列，使用训练好的多尺度行为片段回归网络模型，预测输入帧序列的行为类别和对应的时间位置；再使用非极大值抑制对预测结果进行处理，产生最终的行为检测结果。该方法可以提高检测性能与检测效率。

公开(公告)号：CN108805083A

公开(公告)日：2018-11-13

申请号：CN201810607804.6

申请日：2018-06-13

Applicant: 中国科学技术大学

Inventor： 王子磊 ,  刘志康

IPC: G06K9/00 ,  G06K9/62

CPC classification number: G06K9/00335 ,  G06K9/6256

Abstract: 本发明公开了一种单阶段的视频行为检测方法，其包括：在训练阶段，基于卷积神经网络构建多尺度行为片段回归网络；将训练视频和帧级真实行为标签作为输入，使用多任务学习的端到端优化方法训练多尺度行为片段回归网络，获得训练好的多尺度行为片段回归网络模型；在使用阶段，当新视频输入时，通过时间维度滑窗生成与训练视频具有相同长度的输入帧序列，使用训练好的多尺度行为片段回归网络模型，预测输入帧序列的行为类别和对应的时间位置；再使用非极大值抑制对预测结果进行处理，产生最终的行为检测结果。该方法可以提高检测性能与检测效率。