一种行为识别模型的训练方法及其应用方法

    公开(公告)号:CN118038203A

    公开(公告)日:2024-05-14

    申请号:CN202410112519.2

    申请日:2024-01-26

    摘要: 本发明公开一种行为识别模型的训练方法及其应用方法,涉及深度学习和行为识别技术领域,该训练方法基于行为识别模型进行,行为识别模型包括时空图卷积模块组和分类器;时空图卷积模块组包括依次连接的多个时空图卷积模块;每一时空图卷积模块包括稀疏多尺度信息模块、时空卷积模块和拼接模块;稀疏多尺度信息模块对输入进行特征提取,得到行为动作特征;时空图卷积模块对输入进行特征提取,得到时空卷积特征;拼接模块用于对行为动作特征和时空卷积特征进行拼接,得到拼接特征;分类器对最后一个时空图卷积模块的输出进行分类,得到样本骨架序列数据对应的样本行为识别结果。本发明能够更准确、快速地分类人体骨架数据对应的动作。

    一种基于强化学习的自适应卫星姿轨控制方法

    公开(公告)号:CN115771624A

    公开(公告)日:2023-03-10

    申请号:CN202310101472.5

    申请日:2023-02-13

    IPC分类号: B64G1/24

    摘要: 本发明涉及卫星控制领域,具体为一种基于强化学习的自适应卫星姿轨控制方法,针对实际卫星编队,以虚拟领导卫星作为基准建立虚拟领导卫星轨道动力学模型,结合姿态运动方程得到基于MRPs描述的卫星姿态动力学拉格朗日表示;得到各卫星姿轨耦合的六自由度动态模型;随后得到卫星姿态动力学控制模型;结合卫星参考信号的动态描述后,定义卫星子系统的价值函数并得到哈密顿函数,通过设计异策略强化学习最优姿态控制算法,得到最优控制策略,并按照相同的方法得到最优控制策略。本方法采用神经网络对直接对非线性模型的最优控制策略进行估计,对卫星部分参数未知情况下具有良好的自适应性,对每个推力器设计出了最优控制。

    一种基于人工智能的人机交互方法

    公开(公告)号:CN114461078A

    公开(公告)日:2022-05-10

    申请号:CN202210376694.3

    申请日:2022-04-12

    摘要: 本发明公开了一种基于人工智能的人机交互方法,包括以下步骤:建立识别模型;将视频输入识别模型,对视频识别,获得视频中人物的动态手势;所述识别模型包括空间通道子模型和时间通道子模型,空间通道子模型处理针对视频帧的空间信息,时间通道子模型处理针对视频片段时序信息、运动特征的信息。本发明公开的基于人工智能的人机交互方法,具有识别精度高、帧率高、速度快等诸多优点。