-
公开(公告)号：CN110516540A
公开(公告)日：2019-11-29
申请号：CN201910646216.8
申请日：2019-07-17
Applicant: 青岛科技大学 , 青岛科大有志信息技术有限公司
Abstract: 本发明公开了一种基于多流架构与长短时记忆网络的组群行为识别方法，涉及图像识别技术领域，包括以下步骤：数据预处理；B、通过双路TSN网络分别对主要人物候选框和整张图片的外观和运动特征进行提取，得到单人局部空间外观信息 单人局部时序运动信息 全局空间外观信息和全局时序运动信息 C、特征融合及组群行为识别；D、对模型进行训练和测试。本发明的有益效果是，特征提取方面，进一步保证其提取的全面性；特征融合方面，使用通道注意力模型，以获得更具区分性的特征，来提高组群行为的准确率。
-
公开(公告)号：CN111339908B
公开(公告)日：2023-08-15
申请号：CN202010111024.X
申请日：2020-02-24
Applicant: 青岛科技大学
IPC: G06V40/10 , G06V20/52 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开一种基于多模态信息融合与决策优化的组群行为识别方法，首先针对待进行组群行为识别的视频，获取组群成员候选框序列，提取其对应的光流特征，并提取人体姿态分割特征作为第三重视觉线索；然后获取人体目标时空特征的双流模型并将其进行多模态信息融合(MMF)；最后将经过MMF融合后得到的两条支路分别连接GRU，并采用基于自适应类别权重的多分类器融合方法进行决策优化，进而获得组群行为标签。本发明方案在特征融合时，设计MMF特征融合算法使得时空两路特征相辅相成，信息互为补充，最终获得更好的特征表示；在决策优化方面，设计基于自适应类别权重的多分类融合方法，对分类器取舍与各类别权重进行更加精确的计算，从而取得较高的识别精度。
-
公开(公告)号：CN110516540B
公开(公告)日：2022-04-29
申请号：CN201910646216.8
申请日：2019-07-17
Applicant: 青岛科技大学 , 青岛科大有志信息技术有限公司
Abstract: 本发明公开了一种基于多流架构与长短时记忆网络的组群行为识别方法，涉及图像识别技术领域，包括以下步骤：数据预处理；B、通过双路TSN网络分别对主要人物候选框和整张图片的外观和运动特征进行提取，得到单人局部空间外观信息单人局部时序运动信息全局空间外观信息和全局时序运动信息C、特征融合及组群行为识别；D、对模型进行训练和测试。本发明的有益效果是，特征提取方面，进一步保证其提取的全面性；特征融合方面，使用通道注意力模型，以获得更具区分性的特征，来提高组群行为的准确率。
-
公开(公告)号：CN111339908A
公开(公告)日：2020-06-26
申请号：CN202010111024.X
申请日：2020-02-24
Applicant: 青岛科技大学
Abstract: 本发明公开一种基于多模态信息融合与决策优化的组群行为识别方法，首先针对待进行组群行为识别的视频，获取组群成员候选框序列，提取其对应的光流特征，并提取人体姿态分割特征作为第三重视觉线索；然后获取人体目标时空特征的双流模型并将其进行多模态信息融合(MMF)；最后将经过MMF融合后得到的两条支路分别连接GRU，并采用基于自适应类别权重的多分类器融合方法进行决策优化，进而获得组群行为标签。本发明方案在特征融合时，设计MMF特征融合算法使得时空两路特征相辅相成，信息互为补充，最终获得更好的特征表示；在决策优化方面，设计基于自适应类别权重的多分类融合方法，对分类器取舍与各类别权重进行更加精确的计算，从而取得较高的识别精度。
-
-
-
Search Results
4
records
(took 0.015 seconds)
