公开(公告)号：CN119131889A

公开(公告)日：2024-12-13

申请号：CN202411112171.3

申请日：2024-08-14

Applicant: 南通大学

Inventor： 李洪均 ,  白天 ,  陈俊杰 ,  滕立平

IPC: G06V40/20 ,  G06V10/82 ,  G06V10/764 ,  G06N3/042 ,  G06N3/0464

Abstract: 本发明提供了一种基于动作响应式对比网络的骨架精细动作识别方法，属于计算机视觉和人工智能技术领域。解决了骨架数据中有限的外观信息、预定义单拓扑结构的限制，使得准确识别复杂、精细的骨架动作极其困难的技术问题。其技术方案为：对输入骨架数据进行多流预处理；数据传输到动作响应式对比网络ARCN，其中，通过动作响应式图卷积网络建立多通道跨时域的动态骨架关节注意力拓扑，通过精细动作对比器阶段性地对特征进行空间和时间维度上的对比与更新；最终，分类任务的交叉熵损失与基于特征对比的动作对比损失共同评估动作识别准确度。本发明的有益效果为：缓解了细粒度行为之间模糊边界的问题，有效地提高了区分细粒度骨骼行为的能力。

公开(公告)号：CN119314227A

公开(公告)日：2025-01-14

申请号：CN202411373229.X

申请日：2024-09-29

Applicant: 南通大学

Inventor： 高月红 ,  白天 ,  谢正光 ,  李洪均

IPC: G06V40/20 ,  G06V10/34 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/0895

Abstract: 本发明提供了一种多模跨视图对比记忆增强网络的自监督骨架动作识别方法，属于计算机视觉和人工智能技术领域。解决了现有方法未能充分利用丰富的骨架信息及大多数研究在骨架序列的深层次特征提取和多样性对比学习方面存在不足的问题。其技术方案为：包括以下步骤：S1、将采集的人体骨架数据进行数据预处理；S2、构建用于提取骨架数据信息的图卷积模型编码器和为后面对比学习任务所需的非线性投影层；S3、将处理后的特征使用跨视图对比记忆增强机制进行处理。本发明的有益效果为：本发明采用了图卷积网络模型作为基础编码器，并引入非线性投影层以映射高维数据特征，从而增强模型在捕捉复杂特征关系方面的能力。