CN106709461B - 基于视频的行为识别方法及装置 - Google Patents
基于视频的行为识别方法及装置 Download PDFInfo
- Publication number
- CN106709461B CN106709461B CN201611239337.3A CN201611239337A CN106709461B CN 106709461 B CN106709461 B CN 106709461B CN 201611239337 A CN201611239337 A CN 201611239337A CN 106709461 B CN106709461 B CN 106709461B
- Authority
- CN
- China
- Prior art keywords
- stream
- video frame
- space
- time
- feature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明适用于计算机科学技术领域,提供了基于视频的行为识别方法及装置,包括:提取所有采样时刻视频帧的深度特征,所述深度特征包括所述采样时刻视频帧中行为的高层语义特征和细节特征;基于所述采样时刻视频帧的细节特征,获取用于表达当前时刻视频帧的行为的时空特征;将所述时空特征与所述高层语义特征一同输入LSTM模型,以对所述当前时刻视频帧进行行为识别。本发明使时空特征和高层语义特征互补协作,以增强RNN识别复杂行为的能力。
Description
技术领域
本发明属于计算机科学技术领域,尤其涉及基于视频的行为识别方法及装置。
背景技术
近年来,递归神经网络(Recurrent Neural Network,RNN)因其有效的序列建模能力而被广泛应用于视频中的行为识别。现有技术中,RNN将视频各帧的高层语义特征作为各个时刻的输入,进行序列模型训练,然而,使用高层语义特征,通常会对复杂行为的细节位置信息造成忽略,因此限制了RNN的行为识别能力。
发明内容
有鉴于此,本发明实施例提供了基于视频的行为识别方法及装置,以解决现有技术中基于RNN的行为识别技术对于复杂行为的识别能力低的问题。
第一方面,提供了一种基于视频的行为识别方法,包括:
提取所有采样时刻视频帧的深度特征,所述深度特征包括所述采样时刻视频帧中行为的高层语义特征和细节特征;
基于所述采样时刻视频帧的细节特征,获取用于表达当前时刻视频帧的行为的时空特征;
将所述时空特征与所述高层语义特征一同输入LSTM模型,以对所述当前时刻视频帧进行行为识别。
第二方面,提供了一种基于视频的行为识别装置,包括:
提取单元,用于提取所有采样时刻视频帧的深度特征,所述深度特征包括所述采样时刻视频帧中行为的高层语义特征和细节特征;
时空特征获取单元,基于所述采样时刻视频帧的细节特征,获取用于表达当前时刻视频帧的行为的时空特征;
行为识别单元,用于将所述时空特征与所述高层语义特征一同输入LSTM模型,以对所述当前时刻视频帧进行行为识别。
本发明实施例通过在RNN结构中导入时空注意机制,使得RNN在每一时刻从全局视频范围内自主学习一个与当前时刻视频帧行为密切相关的时空特征。该时空特征包含有关当前时刻视频帧行为的重要细节信息,并与当前时刻视频帧的高层语义特征有着较强的互补性,使得时空特征和高层语义特征可以在RNN每一时刻的行为建模中互补协作,以增强RNN识别复杂行为的能力。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的基于视频的行为识别方法的实现流程图;
图2是本发明实施例提供的基于视频的行为识别装置的结构框图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
本发明实施例提供了一种基于递归时空注意网络的行为识别方法,通过在RNN结构中导入时空注意机制,使得RNN在每一时刻从全局视频范围内自主学习一个与当前时刻视频帧行为密切相关的时空特征,这样一来,该时空特征能够包含有关当前时刻视频帧行为的重要细节信息,并与当前时刻视频帧的高层语义特征有着较强的互补性,使得时空特征和高层语义特征可以在RNN每一时刻的行为建模中互补协作,以增强RNN识别复杂行为的能力。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
图1示出了本发明实施例提供的基于视频的行为识别方法的实现流程,详述如下:
在S101中,提取所有采样时刻视频帧的深度特征,所述深度特征包括所述采样时刻视频帧中行为的高层语义特征和细节特征。
优选地,作为本发明的一个实施例,可以基于双流卷积神经网络(Two-StreamCNNs)提取所有采样时刻视频帧的深度特征。具体地,可以选用VGG-16结构的双流CNNs作为特征抽取器,将每一个采样的视频帧对应的RGB图像和叠加光流图像分别输入外形流CNN和运动流CNN,并针对每一流的CNN,对第t个视频帧(即当前时刻视频帧)(t=1,…,T)进行深度特征抽取,包括:
1、提取CNN最后一个卷积层池化后的特征立方体其中,K×K是最后一个卷积层每个特征图的长和宽,d是最后一个卷积层的特征图个数,在此,将该特征立方体表示为其各个空间位置的特征向量集合:当*为a时,是外形流CNN的卷积层特征,当*为m时,是运动流CNN的卷积层特征。此时,提取出的特征作为视频帧中行为的细节特征。
2、CNN第一个全连接层的特征向量其中,当*为a时,是外形流CNN的全连接层特征,当*为m时,是运动流CNN的全连接层特征。此时,提取出的特征作为视频帧中行为的高层语义特征。
在S102中,基于所述采样时刻视频帧的细节特征,获取用于表达当前时刻视频帧的行为的时空特征。
具体地,从双流CNN中得到各个采样视频帧的深度特征后,采用长短时记忆神经网络(Long Short Term Memory,LSTM)作为时空注意机制的载体,为RNN定义一个时空注意机制,以得到当前时刻视频帧的时空特征。
定义时空注意机制的过程如下:
首先,以LSTM上一时刻的隐藏状态为引导,基于所有视频帧的特征立方体,估计各个空间位置的特征向量对于当前时刻视频帧行为识别的重要性:其中,是CV*(n,k)对于当前时刻视频帧重要性的未归一化空间权重分数,CV*(n,k)是第n个时刻视频帧(n=1,…,T)的特征立方体的第k个位置(k=1,…,K2)的特征向量,是空间注意机制的模型参数。
然后,针对第n个时刻视频帧的特征立方体,对进行归一化处理:其中,γα是控制空间注意机制分数分布的形状参数。
通过将外形流和运动流的空间权重分数取最大值,以融合不同流的空间重要性:并计算所述当前时刻视频帧在外形流与运动流的行为的空间特征:
。在得到关于当前时刻视频帧的T个空间特征后,以LSTM上一时刻的隐藏状态为引导,分别估计各个空间特征对于当前时刻视频帧的重要性:并对其进行归一化,得到:其中和分别是第n个空间特征对于当前时刻视频帧重要性的未归一化时间权重分数和归一化时间权重分数,是时间注意机制的模型参数。
通过将外形流和运动流的时间权重分数取最大值,以融合不同流的时间重要性:并将与带入为外形流和运动流分别计算时空特征
在S103中,将所述时空特征与所述高层语义特征一同输入LSTM模型,以对所述当前时刻视频帧进行行为识别。
。在获取到每一时刻的时空特征之后,将时空特征作为除高层语义特征之外的额外输入,与高层语义特征一道输入LSTM模型。具体地,LSTM模型可以为:
其中,若*为a,则LSTM模型代表了外形流LSTM,若*为m,则LSTM模型代表了运动流LSTM。U和b的集合是LSTM的模型参数,σ(·)和tanh(·)是sigmoid和tanh函数,⊙表示对应元素相乘,和分别为输入门、遗忘门和输出门,和分别表示待选记忆单元、记忆单元和隐藏状态,x是LSTM模型的输入,即CNN全连接层的特征
由于时空特征包含关于当前时刻视频帧中行为的重要全局上下文细节信息,因此它与当前时刻视频帧的高层语义特征之间有很强的互补性,所以,这两种特征相互合作,能够增强LSTM模型在每一时刻对行为的判别能力。另外,外形流和运动流的时空注意机制融合,使得外形流与运动流中的时空注意机制相互帮助,促进外形流RNN与运动流RNN形成一个有机整体,从而进一步地增强了模型的行为表达能力。
最后,为了通过一种端对端的统一方式来训练网络,外形流LSTM与运动流LSTM的当前隐藏状态和共同被用于计算行为识别的预测概率向量:其中{Wa,Wm,bam}是对应的模型参数。训练网络的总损失函数为:Ltotal=Lmain+λAALAA,其中主损失函数是带有权重衰减的交叉熵:C是行为的类别个数,T是总的时刻的个数,Θ代表所有的模型参数,λΘ是权重衰减的系数,yt,c代表真实的行为类别标签。另外,作为本发明的一个实施例,由于视频中的行为通常发生在动作人的周围,因此,可以定义一个基于动作人的注意正则项:其中,λAA为正则项系数,是空间注意机制的外形流和运动流融合的融合权重分数,M(t,·)是视频中动作人的剪影或者边界框。这样,时空注意机制在每一时刻会更加关注当前时刻动作人的周围区域,以进一步地辅助进行行为识别,提高行为识别的准确率。
对应于上文实施例所述的基于视频的行为识别方法,图2示出了本发明实施例提供的基于视频的行为识别装置的结构框图,为了便于说明,仅示出了与本实施例相关的部分。
参照图2,该装置包括:
提取单元21,用于提取所有采样时刻视频帧的深度特征,所述深度特征包括所述采样时刻视频帧中行为的高层语义特征和细节特征;
时空特征获取单元22,基于所述采样时刻视频帧的细节特征,获取用于表达当前时刻视频帧的行为的时空特征;
行为识别单元23,用于将所述时空特征与所述高层语义特征一同输入LSTM模型,以对所述当前时刻视频帧进行行为识别。
可选地,所述提取单元21包括:
输入子单元,用于将所述采样时刻视频帧的RGB图像和叠加光流图像分别输入双流卷积神经网络的外形流和运动流;
卷积特征提取子单元,用于提取卷积神经网络最后一个卷积层池化后的特征立方体以作为第t时刻视频帧中行为的细节特征,其中,K×K是所述最后一个卷积层每个特征图的长和宽,d是所述最后一个卷积层的特征图个数,当*为a时,是外形流卷积神经网络的卷积层特征,当*为m时,是运动流卷积神经网络的卷积层特征;
全连接特征提取子单元,用于提取卷积神经网络第一个全连接层的特征向量以作为第t时刻视频帧中行为的高层语义特征,其中,当*为a时,是外形流卷积神经网络的全连接层特征,当*为m时,是运动流卷积神经网络的全连接层特征。
可选地,所述时空特征获取单元22包括:
空间子单元,用于以长短时记忆神经网络LSTM上一时刻的隐藏状态为引导,基于所有采样视频帧的所述特征立方体,估计各个空间位置的特征向量对于当前第t时刻视频帧行为识别的重要性: 其中,是CV*(n,k)对于当前第t时刻视频帧重要性的未归一化空间权重分数,CV*(n,k)是第n个时刻视频帧(n=1,…,T)的所述特征立方体的第k个位置(k=1,…,K2)的特征向量,是空间注意机制的模型参数;针对第n个时刻视频帧的所述特征立方体,对进行归一化处理:其中,γα是控制空间注意机制分数分布的形状参数;通过将外形流和运动流的空间权重分数取最大值,以融合不同流的空间重要性:并计算所述当前时刻视频帧在外形流与运动流的行为的空间特征:
时间子单元,用于在得到关于所述当前时刻视频帧的T个空间特征后,以为引导,分别估计各个空间特征对于所述当前时刻视频帧重要性的时间权重分数:并对其进行归一化得到:其中是时间注意机制的模型参数。通过将外形流和运动流的时间权重分数取最大值,以融合不同流的时间重要性:并将与带入为外形流和运动流分别计算时空特征
可选地,所述行为识别单元23包括:
预测输出获取子单元,将外形流和运动流的时空特征分别输入LSTM模型,以分别获取外形流LSTM与运动流LSTM的当前隐藏状态和以计算行为识别的预测概率向量:其中{Wa,Wm,bam}是对应的模型参数。
模型训练子单元,基于总损失函数Ltotal=Lmain+λAALAA训练网络,其中主损失函数是带有权重衰减的交叉熵: C是行为的类别个数,T是总的时刻的个数,Θ代表所有的模型参数,λΘ是权重衰减的系数,yt,c代表真实的行为类别标签,额外损失函数为基于动作人的注意正则项:其中是空间注意机制的外形流和运动流融合的融合权重分数,M(t,·)是视频中动作人的剪影或者边界框,λAA为正则项系数。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的系统实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明实施例各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于视频的行为识别方法,其特征在于,包括:
提取所有采样时刻视频帧的深度特征,所述深度特征包括所述采样时刻视频帧中行为的高层语义特征和细节特征;
基于所述采样时刻视频帧的细节特征,获取用于表达当前时刻视频帧的行为的时空特征;
将所述时空特征与所述高层语义特征一同输入LSTM模型,以对所述当前时刻视频帧进行行为识别;
所述基于所述采样时刻视频帧的细节特征,获取用于表达当前时刻视频帧的行为的时空特征,包括:
以长短时记忆神经网络LSTM上一时刻的隐藏状态为引导,基于所有采样视频帧的所述特征立方体,估计各个空间位置的特征向量对于当前第t时刻视频帧行为识别的重要性:其中,是CV*(n,k)对于当前第t时刻视频帧重要性的未归一化空间权重分数,CV*(n,k)是第n个时刻视频帧的所述特征立方体的第k个位置的特征向量,n=1,…,T,k=1,…,K2,是空间注意机制的模型参数;
针对第n个时刻视频帧的所述特征立方体,对进行归一化处理:其中,γα是控制空间注意机制分数分布的形状参数;
通过将外形流和运动流的空间权重分数取最大值,以融合不同流的空间重要性:并计算所述当前时刻视频帧在外形流与运动流的行为的空间特征:
在得到关于所述当前时刻视频帧的T个空间特征后,以为引导,分别估计各个空间特征对于所述当前时刻视频帧重要性的时间权重分数:并对其进行归一化得到: 是时间注意机制的模型参数;
通过将外形流和运动流的时间权重分数取最大值,以融合不同流的时间重要性:并将与带入为外形流和运动流分别计算时空特征
2.如权利要求1所述的行为识别方法,其特征在于,所述提取所有采样时刻视频帧的深度特征包括:
将所述采样时刻视频帧的RGB图像和叠加光流图像分别输入双流卷积神经网络的外形流和运动流;
提取卷积神经网络最后一个卷积层池化后的特征立方体作为第t时刻视频帧中行为的细节特征,其中,K×K是所述最后一个卷积层每个特征图的长和宽,d是所述最后一个卷积层的特征图个数,当*为a时,是外形流卷积神经网络的卷积层特征,当*为m时,是运动流卷积神经网络的卷积层特征;
提取卷积神经网络第一个全连接层的特征向量作为第t时刻视频帧中行为的高层语义特征,其中,当*为a时,是外形流卷积神经网络的全连接层特征,当*为m时,是运动流卷积神经网络的全连接层特征。
3.如权利要求1所述的行为识别方法,其特征在于,所述行为识别方法还包括:
将外形流和运动流的时空特征分别输入LSTM模型,以分别获取外形流LSTM与运动流LSTM的当前隐藏状态和以计算行为识别的预测概率向量:其中{Wa,Wm,bam}是对应的模型参数;
基于总损失函数Ltotal=Lmain+λAALAA训练网络,其中主损失函数是带有权重衰减的交叉熵:C是行为的类别个数,T是总的时刻的个数,Θ代表所有的模型参数,λΘ是权重衰减的系数,yt,c代表真实的行为类别标签,额外损失函数为基于动作人的注意正则项:其中是空间注意机制的外形流和运动流融合的融合权重分数,M(t,·)是视频中动作人的剪影或者边界框,λAA为正则项系数。
4.一种基于视频的行为识别装置,其特征在于,包括:
提取单元,用于提取所有采样时刻视频帧的深度特征,所述深度特征包括所述采样时刻视频帧中行为的高层语义特征和细节特征;
时空特征获取单元,用于基于所述采样时刻视频帧的细节特征,获取用于表达当前时刻视频帧的行为的时空特征;
行为识别单元,用于将所述时空特征与所述高层语义特征一同输入LSTM模型,以对所述当前时刻视频帧进行行为识别;
所述时空特征获取单元包括:
空间子单元,用于以长短时记忆神经网络LSTM上一时刻的隐藏状态为引导,基于所有采样视频帧的所述特征立方体,估计各个空间位置的特征向量对于当前第t时刻视频帧行为识别的重要性: 其中,是CV*(n,k)对于当前第t时刻视频帧重要性的未归一化空间权重分数,CV*(n,k)是第n个时刻视频帧的所述特征立方体的第k个位置的特征向量,n=1,…,T,k=1,…,K2,是空间注意机制的模型参数;针对第n个时刻视频帧的所述特征立方体,对进行归一化处理:其中,γα是控制空间注意机制分数分布的形状参数;通过将外形流和运动流的空间权重分数取最大值,以融合不同流的空间重要性:并计算所述当前时刻视频帧在外形流与运动流的行为的空间特征:
时间子单元,用于在得到关于所述当前时刻视频帧的T个空间特征后,以为引导,分别估计各个空间特征对于所述当前时刻视频帧重要性的时间权重分数:并对其进行归一化得到:其中,是时间注意机制的模型参数;通过将外形流和运动流的时间权重分数取最大值,以融合不同流的时间重要性:并将与带入为外形流和运动流分别计算时空特征
5.如权利要求4所述的行为识别装置,其特征在于,所述提取单元包括:
输入子单元,用于将所述采样时刻视频帧的RGB图像和叠加光流图像分别输入双流卷积神经网络的外形流和运动流;
卷积特征提取子单元,用于提取卷积神经网络最后一个卷积层池化后的特征立方体以作为第t时刻视频帧中行为的细节特征,其中,K×K是所述最后一个卷积层每个特征图的长和宽,d是所述最后一个卷积层的特征图个数,当*为a时,是外形流卷积神经网络的卷积层特征,当*为m时,是运动流卷积神经网络的卷积层特征;
全连接特征提取子单元,用于提取卷积神经网络第一个全连接层的特征向量以作为第t时刻视频帧中行为的高层语义特征,其中,当*为a时,是外形流卷积神经网络的全连接层特征,当*为m时,是运动流卷积神经网络的全连接层特征。
6.如权利要求4所述的行为识别装置,其特征在于,所述行为识别装置还包括:
预测输出获取子单元,将外形流和运动流的时空特征分别输入LSTM模型,以分别获取外形流LSTM与运动流LSTM的当前隐藏状态和以计算行为识别的预测概率向量:其中{Wa,Wm,bam}是对应的模型参数;
模型训练子单元,用于基于总损失函数Ltotal=Lmain+λAALAA训练网络,其中主损失函数是带有权重衰减的交叉熵: C是行为的类别个数,T是总的时刻的个数,Θ代表所有的模型参数,λΘ是权重衰减的系数,yt,c代表真实的行为类别标签,额外损失函数为基于动作人的注意正则项:其中是空间注意机制的外形流和运动流融合的融合权重分数,M(t,·)是视频中动作人的剪影或者边界框,λAA为正则项系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611239337.3A CN106709461B (zh) | 2016-12-28 | 2016-12-28 | 基于视频的行为识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611239337.3A CN106709461B (zh) | 2016-12-28 | 2016-12-28 | 基于视频的行为识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106709461A CN106709461A (zh) | 2017-05-24 |
CN106709461B true CN106709461B (zh) | 2019-09-17 |
Family
ID=58903701
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611239337.3A Active CN106709461B (zh) | 2016-12-28 | 2016-12-28 | 基于视频的行为识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106709461B (zh) |
Families Citing this family (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107341452B (zh) * | 2017-06-20 | 2020-07-14 | 东北电力大学 | 基于四元数时空卷积神经网络的人体行为识别方法 |
CN107463878A (zh) * | 2017-07-05 | 2017-12-12 | 成都数联铭品科技有限公司 | 基于深度学习的人体行为识别系统 |
CN107463949B (zh) * | 2017-07-14 | 2020-02-21 | 北京协同创新研究院 | 一种视频动作分类的处理方法及装置 |
CN107295362B (zh) * | 2017-08-10 | 2020-02-21 | 上海六界信息技术有限公司 | 基于图像的直播内容筛选方法、装置、设备及存储介质 |
CN107437083B (zh) * | 2017-08-16 | 2020-09-22 | 广西荷福智能科技有限公司 | 一种自适应池化的视频行为识别方法 |
CN107563332A (zh) * | 2017-09-05 | 2018-01-09 | 百度在线网络技术(北京)有限公司 | 用于确定无人车的驾驶行为的方法和装置 |
CN107704819B (zh) * | 2017-09-28 | 2020-01-24 | 中国科学院深圳先进技术研究院 | 一种动作识别方法、系统及终端设备 |
US10482572B2 (en) * | 2017-10-06 | 2019-11-19 | Ford Global Technologies, Llc | Fusion of motion and appearance features for object detection and trajectory prediction |
CN107679522B (zh) * | 2017-10-31 | 2020-10-13 | 内江师范学院 | 基于多流lstm的动作识别方法 |
CN107909014A (zh) * | 2017-10-31 | 2018-04-13 | 天津大学 | 一种基于深度学习的视频理解方法 |
CN108169639B (zh) * | 2017-12-29 | 2020-05-19 | 南京康尼环网开关设备有限公司 | 基于并行长短时记忆神经网络的识别开关柜故障的方法 |
CN108288032B (zh) * | 2018-01-08 | 2020-11-10 | 深圳市腾讯计算机系统有限公司 | 动作特征获取方法、装置及存储介质 |
CN108171198B (zh) * | 2018-01-11 | 2020-02-11 | 合肥工业大学 | 基于非对称多层lstm的连续手语视频自动翻译方法 |
CN110096940A (zh) * | 2018-01-29 | 2019-08-06 | 西安科技大学 | 一种基于lstm网络的步态识别系统及方法 |
CN108537128B (zh) * | 2018-03-14 | 2020-09-22 | 中国科学院自动化研究所 | 基于视频的群体属性识别方法和装置 |
CN108664922A (zh) * | 2018-05-10 | 2018-10-16 | 东华大学 | 一种基于人身安全的红外视频人体行为识别方法 |
CN108629326A (zh) * | 2018-05-14 | 2018-10-09 | 中国科学院自动化研究所 | 目标体的动作行为识别方法及装置 |
CN108764148B (zh) * | 2018-05-30 | 2020-03-10 | 东北大学 | 基于监控视频的多区域实时动作检测方法 |
CN108875611B (zh) * | 2018-06-05 | 2021-05-25 | 北京字节跳动网络技术有限公司 | 视频动作识别方法和装置 |
CN108776796B (zh) * | 2018-06-26 | 2021-12-03 | 内江师范学院 | 一种基于全局时空注意力模型的动作识别方法 |
CN110738070A (zh) * | 2018-07-02 | 2020-01-31 | 中国科学院深圳先进技术研究院 | 基于视频的行为识别方法、行为识别装置及终端设备 |
CN109101896B (zh) * | 2018-07-19 | 2022-03-25 | 电子科技大学 | 一种基于时空融合特征和注意力机制的视频行为识别方法 |
CN109241829B (zh) * | 2018-07-25 | 2020-12-04 | 中国科学院自动化研究所 | 基于时空注意卷积神经网络的行为识别方法及装置 |
CN110837766B (zh) * | 2018-08-17 | 2023-05-05 | 北京市商汤科技开发有限公司 | 手势识别方法、手势处理方法及装置 |
CN110874554B (zh) * | 2018-09-03 | 2023-05-26 | 阿里巴巴集团控股有限公司 | 动作识别方法、终端设备、服务器、系统及存储介质 |
CN109508684B (zh) * | 2018-11-21 | 2022-12-27 | 中山大学 | 一种视频中人体行为识别的方法 |
CN109740419B (zh) * | 2018-11-22 | 2021-03-02 | 东南大学 | 一种基于Attention-LSTM网络的视频行为识别方法 |
CN111259919B (zh) * | 2018-11-30 | 2024-01-23 | 杭州海康威视数字技术股份有限公司 | 一种视频分类方法、装置及设备、存储介质 |
CN109886090B (zh) * | 2019-01-07 | 2020-12-04 | 北京大学 | 一种基于多时间尺度卷积神经网络的视频行人再识别方法 |
CN109858407B (zh) * | 2019-01-17 | 2023-11-10 | 西北大学 | 一种基于多种信息流特征和异步融合的视频行为识别方法 |
CN109948721B (zh) * | 2019-03-27 | 2021-07-09 | 北京邮电大学 | 一种基于视频描述的视频场景分类方法 |
CN110070002A (zh) * | 2019-03-29 | 2019-07-30 | 上海理工大学 | 一种基于3d卷积神经网络的行为识别方法 |
CN110147819B (zh) * | 2019-04-11 | 2021-02-26 | 深圳先进技术研究院 | 一种视频特征提取方法、装置、可读存储介质及终端设备 |
CN110414375B (zh) * | 2019-07-08 | 2020-07-17 | 北京国卫星通科技有限公司 | 低空目标的识别方法、装置、存储介质及电子设备 |
CN110503076B (zh) * | 2019-08-29 | 2023-06-30 | 腾讯科技(深圳)有限公司 | 基于人工智能的视频分类方法、装置、设备和介质 |
CN112396033B (zh) * | 2020-12-03 | 2023-02-28 | 天津大学 | 一种鸟类寤寐节律检测方法、装置、终端设备及存储介质 |
CN113014870B (zh) * | 2021-02-20 | 2022-09-20 | 同济大学 | 一种基于乘客姿态快速估计的地铁闸机通行逃票识别方法 |
CN113313065A (zh) * | 2021-06-23 | 2021-08-27 | 北京奇艺世纪科技有限公司 | 一种视频处理方法、装置、电子设备和可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103106394A (zh) * | 2012-12-24 | 2013-05-15 | 厦门大学深圳研究院 | 一种视频监控中的人体行为识别方法 |
CN104615983A (zh) * | 2015-01-28 | 2015-05-13 | 中国科学院自动化研究所 | 基于递归神经网络和人体骨架运动序列的行为识别方法 |
CN104751111A (zh) * | 2013-12-31 | 2015-07-01 | 深圳先进技术研究院 | 识别视频中人体行为的方法和系统 |
CN106096568A (zh) * | 2016-06-21 | 2016-11-09 | 同济大学 | 一种基于cnn和卷积lstm网络的行人再识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6148480B2 (ja) * | 2012-04-06 | 2017-06-14 | キヤノン株式会社 | 画像処理装置、画像処理方法 |
-
2016
- 2016-12-28 CN CN201611239337.3A patent/CN106709461B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103106394A (zh) * | 2012-12-24 | 2013-05-15 | 厦门大学深圳研究院 | 一种视频监控中的人体行为识别方法 |
CN104751111A (zh) * | 2013-12-31 | 2015-07-01 | 深圳先进技术研究院 | 识别视频中人体行为的方法和系统 |
CN104615983A (zh) * | 2015-01-28 | 2015-05-13 | 中国科学院自动化研究所 | 基于递归神经网络和人体骨架运动序列的行为识别方法 |
CN106096568A (zh) * | 2016-06-21 | 2016-11-09 | 同济大学 | 一种基于cnn和卷积lstm网络的行人再识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106709461A (zh) | 2017-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106709461B (zh) | 基于视频的行为识别方法及装置 | |
Jaafra et al. | Reinforcement learning for neural architecture search: A review | |
KR102302725B1 (ko) | 룸 레이아웃 추정 방법들 및 기술들 | |
Chen et al. | Multi-label image recognition with graph convolutional networks | |
Hatcher et al. | A survey of deep learning: Platforms, applications and emerging research trends | |
Hitawala | Comparative study on generative adversarial networks | |
CN107506712B (zh) | 一种基于3d深度卷积网络的人类行为识别的方法 | |
Bansal et al. | Pixelnet: Representation of the pixels, by the pixels, and for the pixels | |
Hu et al. | Bottom-up and top-down reasoning with hierarchical rectified gaussians | |
AlDahoul et al. | Real-time human detection for aerial captured video sequences via deep models | |
CN111507378A (zh) | 训练图像处理模型的方法和装置 | |
CN106649542A (zh) | 用于视觉问答的系统和方法 | |
Shiri et al. | A comprehensive overview and comparative analysis on deep learning models: CNN, RNN, LSTM, GRU | |
Jiang et al. | Hyperspectral image classification with spatial consistence using fully convolutional spatial propagation network | |
Xu et al. | Group activity recognition by using effective multiple modality relation representation with temporal-spatial attention | |
Pise et al. | Relational reasoning using neural networks: a survey | |
Rani et al. | An effectual classical dance pose estimation and classification system employing convolution neural network–long shortterm memory (CNN-LSTM) network for video sequences | |
EP3748544A1 (en) | Mixture distribution estimation for future prediction | |
Tai et al. | Unified recurrence modeling for video action anticipation | |
CN114037056A (zh) | 一种生成神经网络的方法、装置、计算机设备和存储介质 | |
Wu et al. | Self-learning and explainable deep learning network toward the security of artificial intelligence of things | |
Ilioudi et al. | Deep learning for object detection and segmentation in videos: Toward an integration with domain knowledge | |
Ikram | A benchmark for evaluating Deep Learning based Image Analytics | |
Chander | Deep learning network: deep neural networks | |
Cui et al. | Intelligence Science and Big Data Engineering. Visual Data Engineering: 9th International Conference, IScIDE 2019, Nanjing, China, October 17–20, 2019, Proceedings, Part I |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |