-
公开(公告)号：CN108830252B
公开(公告)日：2021-09-10
申请号：CN201810671262.9
申请日：2018-06-26
Applicant: 哈尔滨工业大学 , 中移(杭州)信息技术有限公司
Abstract: 一种融合全局时空特征的卷积神经网络人体动作识别方法，它属于人体动作识别技术领域。本发明解决了传统动作识别方法存在的动作识别的准确率较低的问题。本发明选用InceptionV3基础网络结构，建立空间通道网络和全局时域通道网络，将UCF101视频数据集切割成单帧静态图像，将单帧静态图像分为训练和测试集对空间通道网络训练和测试；计算训练和测试集中单帧静态图像对应的能量运动历史图，对全局时域通道网络进行训练和测试；对训练好的空间通道网络和全局时域通道网络的参数微调，将概率平均值最大的类别作为待识别视频序列的每帧静态图像的动作识别结果，本发明方法的动作识别准确率可以达到87％以上。本发明可以应用于人体动作识别技术领域用。
-
Patent Agency Ranking
公开(公告)号：CN109726672A
公开(公告)日：2019-05-07
申请号：CN201811613090.6
申请日：2018-12-27
Applicant: 哈尔滨工业大学 , 中移(杭州)信息技术有限公司
Abstract: 一种基于人体骨架序列和卷积神经网络的摔倒检测方法，它属于人体摔倒检测技术领域。本发明解决了传统的人体摔倒检测方法仅利用不连续的单时间点传感信息来检测，容易带来摔倒的误判的问题。本发明采集了一部分人体摔倒骨架序列和类摔倒骨架序列，并且将MSRDaily Activity3D数据集融合到采集的数据集中，同时为了弥补数据集的空白，本发明利用两种数据增强的方法对数据集进行扩增，以避免过拟合的问题；扩增后的数据集用来训练和测试本发明建立的卷积神经网络，实验结果显示，在测试集上的识别准确率为93.75％，灵敏度为93.9％，所以，本发明的方法克服了传统方法容易带来摔倒的误判的问题。本发明可以应用于人体摔倒检测技术领域。
-
公开(公告)号：CN109886227A
公开(公告)日：2019-06-14
申请号：CN201910146795.X
申请日：2019-02-27
Applicant: 哈尔滨工业大学 , 中移(杭州)信息技术有限公司
Abstract: 本发明提供基于多通道卷积神经网络的室内火灾视频识别方法，属于图像处理识别技术领域。本发明首先对视频中的图像进行火焰的区域分割，提取图像中疑似火焰目标，进而获得疑似火焰目标区域面积；然后对图像提取火焰颜色特征；根据疑似火焰目标区域面积对视频中的图像提取圆形度特征和面积变化特征；再将火焰颜色特征、圆形度特征以及面积变化特征作为检测特征通道，设计卷积神经网络CNN模型；对各个通道图像特征进行识别训练；最后将从待识别视频中提取的火焰颜色特征、圆形度特征以及面积变化特征输入训练好的卷积神经网络中进行火灾识别。本发明解决了现有火灾视频识别技术的识别准确率较低的问题。本发明可应用于室内火灾视频识别。
-
公开(公告)号：CN109726672B
公开(公告)日：2020-08-04
申请号：CN201811613090.6
申请日：2018-12-27
Applicant: 哈尔滨工业大学 , 中移(杭州)信息技术有限公司
Abstract: 一种基于人体骨架序列和卷积神经网络的摔倒检测方法，它属于人体摔倒检测技术领域。本发明解决了传统的人体摔倒检测方法仅利用不连续的单时间点传感信息来检测，容易带来摔倒的误判的问题。本发明采集了一部分人体摔倒骨架序列和类摔倒骨架序列，并且将MSRDaily Activity3D数据集融合到采集的数据集中，同时为了弥补数据集的空白，本发明利用两种数据增强的方法对数据集进行扩增，以避免过拟合的问题；扩增后的数据集用来训练和测试本发明建立的卷积神经网络，实验结果显示，在测试集上的识别准确率为93.75％，灵敏度为93.9％，所以，本发明的方法克服了传统方法容易带来摔倒的误判的问题。本发明可以应用于人体摔倒检测技术领域。
-
公开(公告)号：CN109829422A
公开(公告)日：2019-05-31
申请号：CN201910088572.2
申请日：2019-01-28
Applicant: 哈尔滨工业大学 , 中移(杭州)信息技术有限公司
Abstract: 本发明提供一种基于脉冲神经网络人体摔倒动作的视频识别方法，属于视频识别技术领域。本发明首先将需要识别的视频中基于时间的人体骨骼节点转换为二维彩色图像，并将其转化为二维灰度图像；然后建立人体摔倒动作识别的脉冲神经网络模型；收集人体摔倒动作和未摔倒动作样本，建立人体摔倒动作数据集；并在该人体摔倒动作数据集的基础上，采用STDP算法对所述脉冲神经网络模型进行训练；最后将二维灰度图像作为训练好的脉冲神经网络模型的输入，输出得到识别结果。本发明解决了现有人体摔倒动作的视频识别技术需要进行人工特征提取，导致效率较低的问题。本发明可用于人体摔倒动作的视频识别。
-
公开(公告)号：CN108830252A
公开(公告)日：2018-11-16
申请号：CN201810671262.9
申请日：2018-06-26
Applicant: 哈尔滨工业大学 , 中移(杭州)信息技术有限公司
Abstract: 一种融合全局时空特征的卷积神经网络人体动作识别方法，它属于人体动作识别技术领域。本发明解决了传统动作识别方法存在的动作识别的准确率较低的问题。本发明选用InceptionV3基础网络结构，建立空间通道网络和全局时域通道网络，将UCF101视频数据集切割成单帧静态图像，将单帧静态图像分为训练和测试集对空间通道网络训练和测试；计算训练和测试集中单帧静态图像对应的能量运动历史图，对全局时域通道网络进行训练和测试；对训练好的空间通道网络和全局时域通道网络的参数微调，将概率平均值最大的类别作为待识别视频序列的每帧静态图像的动作识别结果，本发明方法的动作识别准确率可以达到87％以上。本发明可以应用于人体动作识别技术领域用。
-
-
-
-
-
Search Results
6
records
(took 0.065 seconds)
