动作识别方法和LSTM神经网络训练方法和相关装置制造方法及图纸

本申请公开了一种动作识别方法及其使用的LSTM神经网络训练方法、系统及设备和一种计算机可读存储介质，该LSTM神经网络训练方法包括：在LSTM神经网络的前向传播算法中增加二级导数项，并根据增加后的前向传播算法更新所述LSTM神经网络的反向传播算法，以构建改进LSTM神经网络；其中，所述二级导数项为cell对时间的二级导数；获取训练样本，并根据所述训练样本训练所述改进LSTM神经网络，以得到训练完成的改进LSTM神经网络。利用改进后的LSTM神经网络进行动作序列的识别，由于前向传播算法和后向传播算法中存在cell对时间的二级导数，可以很好了保存动作序列的时间信息，避免识别结果的时间失准。

Motion Recognition Method and LSTM Neural Network Training Method and Related Devices

This application discloses an action recognition method and a training method, system and equipment of LSTM neural network and a computer-readable storage medium. The training method of LSTM neural network includes adding a second derivative term to the forward propagation algorithm of LSTM neural network and updating the Institute according to the increased forward propagation algorithm. The back propagation algorithm of LSTM neural network is described to construct an improved LSTM neural network, in which the second derivative term is the second derivative of cell to time; training samples are obtained and the improved LSTM neural network is trained according to the training samples to obtain the improved LSTM neural network. The improved LSTM neural network is used to recognize the action sequence. Because the second derivative of cell to time exists in the forward and backward propagation algorithms, the time information of action sequence can be well preserved and the time misalignment of recognition results can be avoided.

【技术实现步骤摘要】
动作识别方法和LSTM神经网络训练方法和相关装置
本申请涉及图像处理
，更具体地说，涉及一种动作识别方法及其使用的LSTM神经网络训练方法、系统及设备和一种计算机可读存储介质。
技术介绍
近年来，人体动作识别的研究受到工业界的高度关注，其在视频监控、游戏和机器人等领域有着重要的应用。然而高效的动作识别算法非常具有挑战性：首先，不同的移动速度导致同一个动作在时间上的波动性；其次，许多动作具有相似性，比如高抛和挥手等；最后，不同人在高度、体态等方面的差异也会导致识别的困难。在现有技术中，采用LSTM神经网络进行动作序列的识别，识别结果会产生时间失准的问题。因此，如何保存识别动作序列的时间信息，避免识别结果的时间失准是本领域技术人员需要解决的问题。
技术实现思路
本申请的目的在于提供一种动作识别方法及其使用的LSTM神经网络训练方法、系统及设备和一种计算机可读存储介质，保存识别动作序列的时间信息，避免了识别结果的时间失准。为实现上述目的，本申请提供了一种LSTM神经网络训练方法，包括：在LSTM神经网络的前向传播算法中增加二级导数项，并根据增加后的前向传播算法更新所述LSTM神经网络的反本文档来自技高网...

【技术保护点】
1.一种LSTM神经网络训练方法，其特征在于，包括：在LSTM神经网络的前向传播算法中增加二级导数项，并根据增加后的前向传播算法更新所述LSTM神经网络的反向传播算法，以构建改进LSTM神经网络；其中，所述二级导数项为cell对时间的二级导数；获取训练样本，并根据所述训练样本训练所述改进LSTM神经网络，以得到训练完成的改进LSTM神经网络。

【技术特征摘要】
1.一种LSTM神经网络训练方法，其特征在于，包括：在LSTM神经网络的前向传播算法中增加二级导数项，并根据增加后的前向传播算法更新所述LSTM神经网络的反向传播算法，以构建改进LSTM神经网络；其中，所述二级导数项为cell对时间的二级导数；获取训练样本，并根据所述训练样本训练所述改进LSTM神经网络，以得到训练完成的改进LSTM神经网络。2.根据权利要求1所述LSTM神经网络训练方法，其特征在于，还包括：获取测试样本，并将所述测试样本输入训练完成的改进LSTM神经网络中，得到动作序列识别结果；根据所述测试样本中每一帧图像的识别率计算所述测试样本的平均识别率。3.根据权利要求1所述LSTM神经网络训练方法，其特征在于，所述获取训练样本，包括：获取原始图像数据，并对所述原始图像进行预处理操作得到所述训练样本；其中，所述预处理操作包括翻转操作、下采样操作或切割操作中的任一项或几项的组合。4.根据权利要求1-3任一项所述LSTM神经网络训练方法，其特征在于，根据所述训练样本训练所述改进LSTM神经网络，包括：将所述训练样本中的每一帧图像输入所述改进LSTM神经网络中，并调节所述改进LSTM神经网络的关键参数直至所述改进LSTM神经网络输出的识别率达到预设值，以得到训练完成的改进LSTM神经网络。5.根据权利要求4所述LSTM神经网络训练方法，其特征在...

【专利技术属性】
技术研发人员：刘栩辰，程云，赵雅倩，
申请(专利权)人：郑州云海信息技术有限公司，
类型：发明
国别省市：河南,41