基于卷积神经网络的人体动作识别方法技术

一种基于卷积神经网络的人体动作识别方法。其包括选取数据集中的部分深度图像作为训练样本，其余深度图像作为测试样本，采用空间结构动态深度图像技术，将数据集中的深度图像的四维信息映射到二维空间，获得二维图像；构造卷积神经网络；使用训练样本中的二维图像对卷积神经网络进行训练；将测试样本中的二维图像输入到上述已训练完成的卷积神经网络中得到三组输出向量，然后进行组内融合，再进行组间融合，最后完成人体动作的识别等步骤。本发明专利技术方法可以作为模式识别和人工智能的基础，对人体动作识别具有重要意义。

【技术实现步骤摘要】
基于卷积神经网络的人体动作识别方法
本专利技术属于人体动作识别
，特别是涉及一种基于卷积神经网络的人体动作识别方法。
技术介绍
目前，人体动作识别在智能监控、人机交互、视频检索、虚拟现实等方面已得到广泛的应用，因此其一直是计算机视觉领域一个活跃的研究方向。在以前的研究中，很多关于人体动作识别的研究方法都集中在传统的RGB彩色视频。近年来，微软Kinect的发布为这一领域带来了新的机遇，Kinect设备可以实时地采集深度图像，与传统彩色图像相比，深度图像具有许多优点，例如，深度图像序列实质上是四维空间，可以包含更丰富的动作信息，对光照条件的变化不敏感，可以更可靠地估计人体轮廓和骨骼等。目前，基于深度图像的人体动作识别的研究工作主要集中在寻求通过设计某种有效的特征表示方式，期望在动作的四维信息映射二维空间后，尽量将动作的重要特征在二维空间中得到表征，从而提高动作识别的准确率。然而，动作的深度信息被映射到二维空间表征后，动作在分类过程中很容易产生混淆，从而限制了该类方法的识别率上限。
技术实现思路
为了克服上述问题，本专利技术的目的在于提供一种基于卷积神经网络的人体动作识别方法，能够实现本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的人体动作识别方法，其特征在于：所述的基于卷积神经网络的人体动作识别方法包括按顺序进行的下列步骤：(1)选取数据集中的部分深度图像作为训练样本，其余深度图像作为测试样本，然后采用空间结构动态深度图像技术，将数据集中深度图像的四维信息映射到二维空间，获得二维图像；(2)构造卷积神经网络；(3)使用训练样本中的二维图像对卷积神经网络进行训练；(4)将测试样本中的二维图像输入到上述已训练完成的卷积神经网络中得到三组输出向量，然后进行组内融合，再进行组间融合，最后完成人体动作的识别。

【技术特征摘要】
1.一种基于卷积神经网络的人体动作识别方法，其特征在于：所述的基于卷积神经网络的人体动作识别方法包括按顺序进行的下列步骤：(1)选取数据集中的部分深度图像作为训练样本，其余深度图像作为测试样本，然后采用空间结构动态深度图像技术，将数据集中深度图像的四维信息映射到二维空间，获得二维图像；(2)构造卷积神经网络；(3)使用训练样本中的二维图像对卷积神经网络进行训练；(4)将测试样本中的二维图像输入到上述已训练完成的卷积神经网络中得到三组输出向量，然后进行组内融合，再进行组间融合，最后完成人体动作的识别。2.根据权利要求1所述的基于卷积神经网络的人体动作识别方法，其特征在于：在步骤(1)中，所述的采用空间结构动态深度图像技术，将数据集中深度图像的四维信息映射到二维空间，获得二维图像的方法是：采用空间结构动态深度图像技术将数据集中的每个深度图像转换为6张不同的二维图像，将这6张二维图像分成3组，组别分别是躯干、四肢和关节，每组由两张二维图像组成，分别是DDIF，DDIB。3.根据权利要求1所述的基于卷积神经网络的人体动作识别方法，其特征在于：在步骤(2)中，所述的构造卷积神经网络的方法是：该网络共有12层，这12层依次是卷积层conv1，池化层pool1，卷积层conv2，池...

【专利技术属性】
技术研发人员：张良，李玉鹏，刘婷婷，
申请(专利权)人：中国民航大学，
类型：发明
国别省市：天津,12