【技术实现步骤摘要】
一种基于多层次标签的弱监督特定行为识别系统
本专利技术涉及图像识别
，尤其涉及到一种基于多层次标签的弱监督特定行为识别系统。
技术介绍
强监督学习，一般要对图像进行目标级或者语义级的标记来获取监督信息，处理图像较多时，存在标记困难的问题。而弱监督学习所采用的图像级标签只标注了图像中存在哪些类别的物体，对于存在的物体在图像中的位置信息则没有任何标注。但在弱监督学习条件下，学习模型难以直接定位目标在图像中的区域，现有的弱监督学习方法大概包括以下两类：一个是通过目标性算法等方式获取候选框，并通过对这些候选框对应的图像区域进行分类，获取图像中包含的所有物体的类别信息；而另一个则是通过循环神经网络递进地获取图像中的区域特征，进而得到分类结果。前者获取目标候选框的代价大，且分类过程中存在大量冗余计算；而后者时序递进的方法导致无法进行高效的并行运算，计算效率较低。综上所述，提供一种可并行运算、计算效率高且可有效规避计算冗余的基于多层次标签的弱监督特定行为识别系统，是本领域技术人员急需解决的问题。
技术实现思路
<...
【技术保护点】
1.一种基于多层次标签的弱监督特定行为识别系统，其特征在于，包括：检测信息获取单元、信息存储单元和特定行为识别单元；/n所述检测信息获取单元用于通过摄像装置进行视频数据采集，所述检测信息获取单元包括视频获取模块、自动控制模块和自动补偿模块，所述视频获取模块用于获取待识别的特定行为视频图像数据并进行预处理，将预处理后的视频图像数据存储至所述信息存储单元，所述自动控制模块用于控制视频获取动作的起始，所述自动补偿模块用于在视频采集过程中进行自动调焦和光线补偿；/n所述信息存储单元用于存储系统采集的视频数据及运行参数，所述信息存储单元包括标签知识库、训练集数据库和视频缓存模块，所述...
【技术特征摘要】
1.一种基于多层次标签的弱监督特定行为识别系统，其特征在于，包括：检测信息获取单元、信息存储单元和特定行为识别单元；
所述检测信息获取单元用于通过摄像装置进行视频数据采集，所述检测信息获取单元包括视频获取模块、自动控制模块和自动补偿模块，所述视频获取模块用于获取待识别的特定行为视频图像数据并进行预处理，将预处理后的视频图像数据存储至所述信息存储单元，所述自动控制模块用于控制视频获取动作的起始，所述自动补偿模块用于在视频采集过程中进行自动调焦和光线补偿；
所述信息存储单元用于存储系统采集的视频数据及运行参数，所述信息存储单元包括标签知识库、训练集数据库和视频缓存模块，所述标签知识库用于存储标签数据，所述训练集数据库用于存储识别网络的训练数据，所述视频缓存模块用于存储预处理后的视频图像数据；
所述特定行为识别单元用于对预处理后的图像数据进行识别，所述特定行为识别单元包括训练数据生成模块、特征提取模块、分类选择模块和识别模块，所述训练数据生成模块用于对训练数据进行预处理，所述特征提取模块采用卷积神经网络进行图像特征提取，所述分类选择模块用于将所述特征提取模块输出的特征图进行随机失活正则化后进行分类输出，利用训练集数据库中的样本数据进行训练得到一个分类网络模型，所述识别模块用于将待识别的特定行为视频图像数据输入所述分类网络模型进行特定行为识别。
2.如权利要求1所述的基于多层次标签的弱监督特定行为识别系统，其特征在于，所述视频获取模块用于通过摄像装置获取视频数据，并将包含T个帧的未剪切视频图像数据划分成视频集合其中,N是视频片段的个数，ci＝(ai，bi)表示第i个视频片段的起止时间,将N个视频片段分别进行分帧处理，每个视频片段得到K帧动作图像。
3.如权利要求2所述的基于多层次标签的弱监督特定行为识别系统，其特征在于，生成视频集合C包括：将一个长视频分成N个等长的视频片段，即
4.如权利要求1所述的基于多层次标签的弱监督特定行为识别系统，其特征在于，所述训练数据生成模块首先对训练集数据库中的训练样本图像根据公式进行标准化处理，其中，I为图像矩阵，μ表示图像的均值，Var(I)表示图像的标准方差，并将所有图像都缩放到相同的尺寸，然后对样本图像进行多样化处理平衡过拟合问题，最后对图像进行灰度化、二值化、锐化和去离散噪声处理。
5.如权利要求4所述的基于多...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。