公开(公告)号：CN116189278A

公开(公告)日：2023-05-30

申请号：CN202211550147.9

申请日：2022-12-05

Applicant: 重庆邮电大学

Inventor： 许国良 ,  何丽君 ,  雒江涛

IPC: G06V40/20 ,  G06V20/40 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明涉及一种基于全局上下文感知的细粒度篮球动作识别方法，属于计算机视觉领域，包括以下步骤：S1：针对篮球动作视频，利用MTSA模块采用时间金字塔的方式将不同距离的帧进行聚合；S2：利用SCI模块分别沿着空间的两个方向和通道进行特征的跨维度交互；S3：采用动态卷积融合MTSA模块和SCI得到GCA‑Module；S4：在ResNet‑50中引入块GCA‑Module，构成GCA‑Block；S5：堆叠多个GCA‑Block，搭建细粒度篮球动作识别模型GCA‑Net；S6：构造训练数据集；S7：对模型进行训练、预测及优化，得到训练后的模型，对篮球动作视频进行细粒度篮球动作识别。

公开(公告)号：CN116189278B

公开(公告)日：2025-04-29

申请号：CN202211550147.9

申请日：2022-12-05

Applicant: 重庆邮电大学

Inventor： 许国良 ,  何丽君 ,  雒江涛

IPC: G06V40/20 ,  G06V20/40 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明涉及一种基于全局上下文感知的细粒度篮球动作识别方法，属于计算机视觉领域，包括以下步骤：S1：针对篮球动作视频，利用MTSA模块采用时间金字塔的方式将不同距离的帧进行聚合；S2：利用SCI模块分别沿着空间的两个方向和通道进行特征的跨维度交互；S3：采用动态卷积融合MTSA模块和SCI得到GCA‑Module；S4：在ResNet‑50中引入块GCA‑Module，构成GCA‑Block；S5：堆叠多个GCA‑Block，搭建细粒度篮球动作识别模型GCA‑Net；S6：构造训练数据集；S7：对模型进行训练、预测及优化，得到训练后的模型，对篮球动作视频进行细粒度篮球动作识别。