CN115641525B 一种基于视频的多人行为分析方法 (四川大学)_第1页
CN115641525B 一种基于视频的多人行为分析方法 (四川大学)_第2页
CN115641525B 一种基于视频的多人行为分析方法 (四川大学)_第3页
CN115641525B 一种基于视频的多人行为分析方法 (四川大学)_第4页
CN115641525B 一种基于视频的多人行为分析方法 (四川大学)_第5页
已阅读5页,还剩8页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

groupactivityrecognition.本发明提出了一种基于视频的多人行为分加了注意力机制模块,提升了行为识别的准确提取的个体外观及位置特征输入图卷积网络进2b.使用了注意力机制Squeeze_and_excitationNetworks对不同的通道给予不同程度外结合个体boundingbox的位置关系构建图的形式形成个体之间的相行场景特征提取,将提取的场景特征与经过图卷积网络推理的特征通过softmax函数进行4.如权利要求1所述的基于视频的多人行为分析方法,其特征在于在了通道注意力机制Squeeze_and_excitationNetworks来对不同的通道给予不同程度的关5.如权利要求1所述的基于视频的多人行为分析34特征,最后进行拼接得到多尺度的特征。常见的版本有Inception_v1、Inception_v2、5(RegionofInterest,RoI)中特征的准确值,并使用池化操作得到输出结果,[0016]b.使用了注意力机制Squeeze_and_excitationNetworks对不同的通道给予不同[0030](3)采用图卷积网络来推理个体之间的交互性,同时采用了余弦相似性的方法来6技术熟悉人员根据上述发明内容,对本发明做出一些非本质的改进和调整进行具体实施,层综合个体的所有信息;场景通道采用了在place365数据集上预训练的ResNet_50网络提[0042]以全连接的方式连接步骤(3)生成的行为特征结点来构建个体行为关系图,并通[0043]假设构成GCN结点的个体定义为N代表了场景中的人数,图GeR"来表示每个个体之间的关系。Gij代表了第j个个体特征对第i个个体的重要程以及为可以学习的线性转换。BeB"和是和b,e"为权重向量。7[0047]而位置关系的计算见(3)式。两个个体之间距离超过所设定的阈值μ时,Gij为0。[0052]将通过步骤(4)推理的特征图进行最大池化操作得到群组层次的行为特征,再分别与场景特征图通过softmax函数归一化处理后进行加权融合,得到融合场景信息的个体[0054]将融合场景的行为特征输入分类层,最终实现个体行为以及群组行为类别的分[0056]

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论