-
公开(公告)号：CN116012950B
公开(公告)日：2023-06-30
申请号：CN202310117822.7
申请日：2023-02-15
Applicant: 杭州电子科技大学信息工程学院 , 杭州电子科技大学
IPC: G06V40/20 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于多重心时空注意图卷积网络的骨架动作识别方法，包括：对预处理后的人体行为视频进行一阶骨骼信息提取并形成第一骨架序列；将第一骨架序列转换为第二骨架序列；获取每帧图像的二阶骨骼信息；根据四种流态数据对应建立四类训练集和标签；建立多重心时空注意图卷积网络模型并训练；将待识别的人体行为视频输入训练好的模型，获取对应的初始预测结果和softmax分数；根据初始预测结果利用多重心特征融合单元计算对应权重系数；采用特征融合模块将各softmax分数进行加权融合获得骨架动作识别结果。该方法可结合数量更多、特征更明显的关节数据以实现人体行为预测，提高预测精确度。
-
公开(公告)号：CN114821420A
公开(公告)日：2022-07-29
申请号：CN202210448080.1
申请日：2022-04-26
Applicant: 杭州电子科技大学 , 杭州电子科技大学信息工程学院
Abstract: 本发明公开了一种基于多时间分辨率时态语义聚合网络的时序动作定位方法，包括：获取原始视频并进行预处理，预处理为从原始视频中提取特征序列并注释标签；复制特征序列为N＇份，并通过卷积层将复制后的各特征序列的时间分辨率调整为不同值；建立多时间分辨率时态语义聚合网络；将时间分辨率调整后的各特征序列一一对应输入子模块，采用分类损失和回归损失训练多时间分辨率时态语义聚合网络；利用训练好的多时间分辨率时态语义聚合网络预测待识别视频的动作开始时间、动作结束时间、动作种类和置信分数。该方法可获得更灵活更具鲁棒性的上下文关系表达，并大大提高计算能力和时序动作定位的准确性。
-
Patent Agency Ranking
公开(公告)号：CN114648722A
公开(公告)日：2022-06-21
申请号：CN202210362715.6
申请日：2022-04-07
Applicant: 杭州电子科技大学 , 杭州电子科技大学信息工程学院
Abstract: 本发明公开了一种基于视频多路径时空特征网络的动作识别方法，包括：获取待识别的视频，根据帧率从视频中抽取若干张图像并对图像进行预处理；按照不同的采样率分别从预处理后的若干个图像中抽取不同数量的图像，形成多个图像序列；建立时空特征网络模型，时空特征网络模型包括多个特征提取模块，各图像序列一一对应输入至特征提取模块获取时空特征矩阵；将各特征提取模块输出的时空特征矩阵聚合，输出特征向量；利用分类器对特征向量进行分类检测，以概率最高的类别作为检测结果。该方法能够大幅提升动作视频分类的准确度，并有助于增强网络模型对动作视频的理解，显著提升鲁棒性，从而能够应对现实生活中的复杂场景。
-
公开(公告)号：CN117110642A
公开(公告)日：2023-11-24
申请号：CN202311077473.7
申请日：2023-08-25
Applicant: 杭州电子科技大学信息工程学院 , 杭州电子科技大学
IPC: G01P3/36
Abstract: 本发明公开了一种基于双目远心镜头的玻璃平面测速方法，包括如下步骤：S1、在玻璃表面移动的方向上放置本装置，使得镜头垂直于玻璃的侧面；S2、调整镜头距离玻璃侧面的距离；S3、初始化两个相机，设定好对应的采集参数。S4、启动本装置，使得玻璃下边缘依次从上方的镜头和下方的镜头中出现。上方的镜头实时检测玻璃是否进入视野中，若进入视野中则按照固定的时间间隔，上下两个相机分别拍摄两张照片。S5、对拍摄得到的2张照片进行处理和计算，得到玻璃下边缘在图片中的位置，计算两张照片的准确时间间隔。S6、计算得到玻璃的移动距离和时间，得到玻璃移动速度。本发明具有更高的测量精度，且对环境要求更低，能维持长时间的高精度测量。
-
公开(公告)号：CN116503945A
公开(公告)日：2023-07-28
申请号：CN202310471308.3
申请日：2023-04-27
Applicant: 杭州电子科技大学信息工程学院 , 杭州电子科技大学
Abstract: 本发明公开了一种基于Transformer和错位对齐策略的小样本动作识别方法，包括：获取查询集视频和支持集视频；获得对应的第一图像集和第二图像集；对图像集进行采样并裁剪，裁剪后的第一图像集形成第一图像序列，每个裁剪后的第二图像集形成一个第二图像序列，将第一图像序列和一个第二图像序列视为一组；建立动作识别模型，动作识别模型包括依次连接的改进ResNet网络模型、时空特征编码器和多粒度特征对齐模块，并获取每组第一图像序列和第二图像序列对应的多粒度动作概率；采用分类器获取全部多粒度动作概率中概率最高的动作类别作为对应待识别动作类别视频的动作识别结果。该方法能够提升小样本动作视频分类的准确度和效率。
-
公开(公告)号：CN114648722B
公开(公告)日：2023-07-18
申请号：CN202210362715.6
申请日：2022-04-07
Applicant: 杭州电子科技大学 , 杭州电子科技大学信息工程学院
IPC: G06V20/40 , G06V40/20 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于视频多路径时空特征网络的动作识别方法，包括：获取待识别的视频，根据帧率从视频中抽取若干张图像并对图像进行预处理；按照不同的采样率分别从预处理后的若干个图像中抽取不同数量的图像，形成多个图像序列；建立时空特征网络模型，时空特征网络模型包括多个特征提取模块，各图像序列一一对应输入至特征提取模块获取时空特征矩阵；将各特征提取模块输出的时空特征矩阵聚合，输出特征向量；利用分类器对特征向量进行分类检测，以概率最高的类别作为检测结果。该方法能够大幅提升动作视频分类的准确度，并有助于增强网络模型对动作视频的理解，显著提升鲁棒性，从而能够应对现实生活中的复杂场景。
-
公开(公告)号：CN116012950A
公开(公告)日：2023-04-25
申请号：CN202310117822.7
申请日：2023-02-15
Applicant: 杭州电子科技大学信息工程学院 , 杭州电子科技大学
IPC: G06V40/20 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于多重心时空注意图卷积网络的骨架动作识别方法，包括：对预处理后的人体行为视频进行一阶骨骼信息提取并形成第一骨架序列；将第一骨架序列转换为第二骨架序列；获取每帧图像的二阶骨骼信息；根据四种流态数据对应建立四类训练集和标签；建立多重心时空注意图卷积网络模型并训练；将待识别的人体行为视频输入训练好的模型，获取对应的初始预测结果和softmax分数；根据初始预测结果利用多重心特征融合单元计算对应权重系数；采用特征融合模块将各softmax分数进行加权融合获得骨架动作识别结果。该方法可结合数量更多、特征更明显的关节数据以实现人体行为预测，提高预测精确度。
-
-
-
-
-
-
Search Results
17
records
(took 0.03 seconds)
