公开(公告)号：CN112560618A

公开(公告)日：2021-03-26

申请号：CN202011419698.2

申请日：2020-12-06

Applicant: 复旦大学

Inventor： 路红 ,  汪子健 ,  杨博弘 ,  冉武 ,  沈梦琦 ,  任浩然

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于计算机图像处理技术领域，具体为一种基于骨架和视频特征融合的行为分类方法。本发明方法包括：对已有的人类行为视频数据进行预处理，通过人体检测模型和OpenPose分别获取对应的人体检测框和人体骨架数据，作为深度学习模型的训练数据；其中视频数据和人体检测框数据作为前景与背景特征融合网络的输入，骨架特征作为个体与群体特征融合网络的输入；两个网络的输出结果进行平均为最终分类结果；接着对训练集进行监督式学习，得到泛化的深度学习模型；然后，对识别的视频进行和模型训练时一样的预处理，然后作为输入，放进预先训练好深度学习模型里，就能得到行为分类的结果。

公开(公告)号：CN116109958A

公开(公告)日：2023-05-12

申请号：CN202111312125.4

申请日：2021-11-08

Applicant: 复旦大学

Inventor： 路红 ,  汪子健 ,  杨博弘 ,  沈梦琦 ,  任浩然 ,  姜辰昊

IPC: G06V20/40 ,  G06V40/10 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明属于计算机图像处理技术领域，具体为基于深度学习的骨架行为分类方法。本发明方法包括：对已有的人类行为视频数据进行预处理，通过人体检测模型和OpenPose分别获取对应的人体检测框和人体骨架数据，作为深度学习模型的训练数据；其中骨架数据作为自适应空洞时空网络模型的输入，并得到分类结果；对训练集进行监督式学习，得到泛化的深度学习模型；然后，对识别的视频进行和模型训练时相同的预处理，然后作为输入，放进预先训练好深度学习模型里，得到行为分类的结果。实验表明，本发明方法具有很好的鲁棒性，分类准确率大大提高。

公开(公告)号：CN114092854A

公开(公告)日：2022-02-25

申请号：CN202111295019.X

申请日：2021-11-03

Applicant: 复旦大学

Inventor： 路红 ,  沈梦琦 ,  杨博弘 ,  任浩然 ,  张文强 ,  李伟

IPC: G06V20/40 ,  G06V40/20 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的脊柱退行性病变智能康复辅助训练系统。本发明系统包括基于深度学习的中医导引术视频实时分类模块和基于人体骨架表示的视频序列划分与评估模块；前者通过获取二维人体骨架数据，作为学习模型的训练数据，进行深度学习训练，得到泛化的深度学习模型；最后得到实时帧分类结果；后者根据帧分类结果，对相同类别的骨架序列进行分割与实时纠错，将分割好的序列段与相应类别专家组视频骨架序列段进行序列对比评分。本发明系统无需医护人员的指导和干预，能够使患者随时自行进行中医导引术训练，适用于家庭及基层医疗卫生机构，能够减轻医护人员的压力，提高患者康复训练的灵活性和准确性。

公开(公告)号：CN112560618B

公开(公告)日：2022-09-16

申请号：CN202011419698.2

申请日：2020-12-06

Applicant: 复旦大学

Inventor： 路红 ,  汪子健 ,  杨博弘 ,  冉武 ,  沈梦琦 ,  任浩然

IPC: G06V40/20 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于计算机图像处理技术领域，具体为一种基于骨架和视频特征融合的行为分类方法。本发明方法包括：对已有的人类行为视频数据进行预处理，通过人体检测模型和OpenPose分别获取对应的人体检测框和人体骨架数据，作为深度学习模型的训练数据；其中视频数据和人体检测框数据作为前景与背景特征融合网络的输入，骨架特征作为个体与群体特征融合网络的输入；两个网络的输出结果进行平均为最终分类结果；接着对训练集进行监督式学习，得到泛化的深度学习模型；然后，对识别的视频进行和模型训练时一样的预处理，然后作为输入，放进预先训练好深度学习模型里，就能得到行为分类的结果。