← 返回列表
基于注意力机制的细粒度动作识别与体态检测方法
摘要文本
本发明提供了基于注意力机制的细粒度动作识别与体态检测方法，包括：获取视频数据；对预处理后视频数据按帧截取并提取人体骨骼点数据，形成时序关键点集合；基于时序关键点集合，得到动作特征图；将所述动作特征图输入图像注意力网络，输出动作类别和动作概率；将帧图像经过时序注意力网络处理，获取动作类别及动作概率；基于图像注意力网络和时序注意力网络得到的动作类别及动作概率，得到最终动作类别与最终动作概率；基于时序关键点集合抽取得到固定帧关键点集合，输入体态识别网络，得到体态的最终分类结果。本发明可以有效的对不同场景，不同角度以及不同时长的目标视频进行有效识别，识别精度高，检测速度快。
申请人信息
- 申请人:国家体育总局秦皇岛训练基地(中国足球学校); 北京航空航天大学
- 申请人地址:066004 河北省秦皇岛市海港区文体路5号
- 发明人: 国家体育总局秦皇岛训练基地(中国足球学校); 北京航空航天大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于注意力机制的细粒度动作识别与体态检测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311467857.X |
| 申请日 | 2023/11/7 |
| 公告号 | CN117409482A |
| 公开日 | 2024/1/16 |
| IPC主分类号 | G06V40/20 |
| 权利人 | 国家体育总局秦皇岛训练基地(中国足球学校); 北京航空航天大学 |
| 发明人 | 单光存; 滕昱坤; 丁则剑; 陈笑然 |
| 地址 | 河北省秦皇岛市海港区文体路5号; 北京市海淀区学院路37号 |
专利主权项内容
1.基于注意力机制的细粒度动作识别与体态检测方法，其特征在于，所述方法包括：S1、获取视频数据，对视频数据进行预处理，得到预处理后视频数据；S2、对预处理后视频数据按帧截取，得到帧图像；基于帧图像获得目标人体骨骼点数据，并按帧序列合并后形成时序关键点集合；基于时序关键点集合，通过动作识别骨干网络提取空间特征和时序特征，得到动作特征图；S3、将所述动作特征图进行压缩，并输入图像注意力网络，得到注意力矩阵，并输出动作类别和动作概率；将帧图像经过时序注意力网络处理，获取动作类别及动作概率；所述时序注意力网络包括局部分支网络和全局分支网络；基于图像注意力网络和时序注意力网络得到的动作类别及动作概率，得到最终动作类别与最终动作概率，完成细粒度动作识别；S4、针对S2中的时序关键点集合进行抽取，得到固定帧关键点集合，输入体态识别网络；所述体态识别网络包括多个分类器，基于所述多个分类器的相关系数，得到体态的最终分类结果。。 （）