基于事件数据的动作识别方法及装置制造方法及图纸

本申请公开了一种基于事件数据的动作识别方法及装置，其中，方法包括：在光强变化值大于亮度阈值时，记录当前动作对应的当前事件，生成事件数据；去噪事件数据中的数据噪点，得到去噪后的事件数据；由去噪后的事件数据获取时序表面特征，并从时序表面特征中提取特征向量，并基于特征向量识别当前动作的实际类别。由此，解决了相关技术没有将事件数据转化成同步稠密特征，因而无法直接使用卷积神经网络进行动作识别，且无法充分利用事件数据的内在信息，导致动作识别效果不佳等问题。导致动作识别效果不佳等问题。导致动作识别效果不佳等问题。

【技术实现步骤摘要】
基于事件数据的动作识别方法及装置


[0001]本申请涉及计算机视觉及动作识别
，特别涉及一种基于事件数据的动作识别方法及装置。

技术介绍

[0002]动作识别是计算机视觉领域的研究方向，在于通过视频序列来识别人体的行为动作类型。随着深度学习在计算机视觉各领域中的出色表现，基于卷积神经网络的动作识别算法得到了广泛的研究和应用。然而，在实际的大多数场景中，异常动作的发生是小概率事件，使用传统相机高帧率的视频采集和实时的网络运算将占用过多资源，大幅提升动作识别应用的成本。
[0003]相较于传统相机，基于事件的动态视觉传感器由于其仅在光强变化时记录数据而拥有低能耗、高隐私的特性，在近年来得到了一些研究。
[0004]然而，相关技术中，由于事件数据的异步稀疏多噪声特性，无法直接使用当前成熟的卷积神经网络进行动作识别。相关技术虽然能够将事件数据转化为二维或三维类图像的表征，但难以取得理想效果，且缺少在动作识别任务中的探索和研究，亟需改善。
[0005]申请内容
[0006]本申请提供一种基于事件数据的动作识别方法及装本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于事件数据的动作识别方法，其特征在于，包括以下步骤：在光强变化值大于亮度阈值时，记录当前动作对应的当前事件，生成事件数据；去除所述事件数据中的数据噪点，得到去噪后的事件数据；由所述去噪后的事件数据获取时序表面特征，并从所述时序表面特征中提取特征向量，并基于所述特征向量识别所述当前动作的实际类别。2.根据权利要求1所述的方法，其特征在于，所述从所述时序表面特征中提取特征向量，并基于所述特征向量识别所述当前动作的实际类别，包括：根据所述特征向量匹配预设的每类动作类别的识别置信率；由所述识别置信率中最大值对应的动作类别确定所述实际类别。3.根据权利要求1所述的方法，其特征在于，所述事件数据包括所述当前事件的事件发生坐标、事件发生时间戳和事件极性，所述事件发生坐标包括事件发生横坐标和事件发生纵坐标，所述事件极性为事件正极性或者事件负极性。4.根据权利要求3所述的方法，其特征在于，所述去噪所述事件数据中的数据噪点，得到去噪后的事件数据，包括：构建事件发生时间表，记录每个像素位置上发生事件的事件发生时间戳；通过所述事件发生时间表计算事件发生密度图，统计预设时间内每个像素位置上的事件发生频率；依次比较所述事件发生密度图中每一个像素值与噪声阈值的大小关系，且在所述像素值大于所述噪声阈值时，识别为所述噪点；从所述事件数据中去除识别出的所述噪点。5.根据权利要求4所述的方法，其特征在于，所述由所述去噪后的事件数据获取时序表面特征，包括：基于每种事件极性，构建先进先出队列图，并记录每个像素位置上预设个事件的事件发生时间戳；基于所述先进先出队列图，根据时序表面特征的计算公式得到所述时...

【专利技术属性】
技术研发人员：高跃，卢嘉轩，
申请(专利权)人：清华大学，
类型：发明
国别省市：