公开(公告)号：CN116206360A

公开(公告)日：2023-06-02

申请号：CN202310024183.X

申请日：2023-01-09

Applicant: 安徽大学 ,  安徽医科大学第一附属医院

Inventor： 鲍文霞 ,  王钧毅 ,  陈和木 ,  王年 ,  林安 ,  高秋月

IPC: G06V40/20 ,  G06V10/774 ,  G06V10/764 ,  G06V10/72 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本申请提供了动作识别方法、装置、电子设备及计算机可读存储介质，该方法包括：将待测数据流输入至动作识别模型，以得到待测数据流的动作识别结果；动作识别模型的训练过程包括：获取训练集，训练集包括多个训练数据，每个训练数据包括至少一个样本数据流以及样本数据流的动作识别结果的标注数据；将训练数据中的样本数据流输入预设的深度学习模型，以得到样本数据流的动作识别结果的预测数据；对深度学习模型的模型参数进行更新；检测是否满足预设的训练结束条件；如果是，将训练出的深度学习模型作为动作识别模型；如果否，利用下一个训练数据继续训练深度学习模型。该方法克服了传统骨架动作识别的缺陷，识别精度提高。

公开(公告)号：CN116805334A

公开(公告)日：2023-09-26

申请号：CN202310757475.4

申请日：2023-06-26

Applicant: 安徽大学

Inventor： 鲍文霞 ,  林安 ,  王年

IPC: G06T7/73 ,  G06V40/10 ,  G06V20/40 ,  G06V10/40 ,  G06V10/74 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/0895 ,  G06N3/096

Abstract: 本发明涉及一种基于对比学习的蹦床运动二维姿态估计方法，包括：对采集的蹦床运动视频进行切帧处理，得到蹦床运动数据集，划分为训练集和测试集；利用对比学习方法，通过孪生网络模型，使用ImageNet公开数据集的图像进行模型训练，获得预训练模型；使用蹦床运动数据集，进行迁移学习，得到SimplebaseLine模型，获取人体关节点坐标信息，计算关节点角度及与关节点相似性OKS。本发明使用多尺度特征向量预测不同视图，提升了对小尺度目标如踝关节的检测能力，将预训练模型迁移至半监督人体姿态估计框架ESCP，迁移后不仅能提高关节点检测的准确率，还使模型参数的泛化效果更好，减少了对于注释样本需求，解决了蹦床场景注释误差大的问题，检测精度获得提升。