一种基于知识蒸馏与动态网络的轻量级动作识别方法技术

本发明专利技术公开了一种基于知识蒸馏与动态网络的轻量级动作识别方法，包括以下步骤：S1、选择大规模和丰富预训练数据的动作识别网络作为教师网络，本发明专利技术的有益效果是：此发明专利技术能大幅提升各类公共和私人场所的安全性，可在智慧电梯项目中采用本模型可以迅速准确地识别异常行为，进而及时进行警报或采取必要措施，显著降低意外事故的发生；此外，由于其高效率和轻量化特性，该模型还可广泛应用于各类监控系统，提升大规模公共区域的安全监控水平，本发明专利技术将大幅降低动作识别系统的硬件要求和运营成本，由于模型参数量减少了85％，意味着需要的存储资源以及能源消耗大幅减少，对于较大规模的设施来说，将节省大量的设备投资和维护成本。

【技术实现步骤摘要】

本专利技术涉及轻量级动作识别，具体为一种基于知识蒸馏与动态网络的轻量级动作识别方法。

技术介绍

1、动作识别在诸如视频监控、智能安防、人机交互等领域具有广泛应用。目前的动作识别方法通常依赖复杂的深度神经网络，这些网络在预测准确性方面表现优异，但计算复杂度高，推理速度慢，不适用于低功耗设备和实时应用。因此，开发一种轻量级且准确的异常动作识别方法具有重要意义。

2、传统的动作识别方法主要包括基于手工特征的方法和基于深度学习的方法。基于手工特征的方法主要依赖对视频数据的人工特征提取，如光流、hog、hof等，然后利用分类器进行动作识别。这类方法存在特征提取效果受限和泛化能力不足的问题。

3、随着深度学习的快速发展，基于深度神经网络的动作识别方法逐渐成为主流。这些方法通常使用卷积神经网络(cnn)或循环神经网络(rnn)等结构对视频数据进行特征提取和动作识别。例如，使用三维卷积神经网络(3d-cnn)对时空信息进行建模，或将长短时记忆网络(lstm)与cnn相结合来捕捉视频的时序信息。虽然这些方法在预测准确性方面取得了显著成果，但由于网络结本文档来自技高网...

【技术保护点】

1.一种基于知识蒸馏与动态网络的轻量级动作识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于知识蒸馏与动态网络的轻量级动作识别方法，其特征在于，所述S2中的对教师网络的特征提取和动作识别能力进行预训练处理具体包括：假设输入视频帧集合为X＝{x1,x1,…xn}，其中n为输入视频帧的数量x为视频帧，训练集为O，其他所需模块定义说明，定义动作识别教师骨干网络T，允许该网络大，参数量多，对视频特征的提取能力比较强，采用基于ResNet-101的全局注意力的I3D网络，定义教师分类器为ft，则定义教师骨干网络的输出特征为T(X)，最终分类得分为ft(T(X))，使...

【技术特征摘要】

1.一种基于知识蒸馏与动态网络的轻量级动作识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于知识蒸馏与动态网络的轻量级动作识别方法，其特征在于，所述s2中的对教师网络的特征提取和动作识别能力进行预训练处理具体包括：假设输入视频帧集合为x＝{x1,x1,…xn}，其中n为输入视频帧的数量x为视频帧，训练集为o，其他所需模块定义说明，定义动作识别教师骨干网络t，允许该网络大，参数量多，对视频特征的提取能力比较强，采用基于resnet-101的全局注意力的i3d网络，定义教师分类器为ft，则定义教师骨干网络的输出特征为t(x)，最终分类得分为ft(t(x))，使用交叉熵损失函数在训练数据上训练教师模型，定义为：

3.根据权利要求2所述的一种基于知识蒸馏与动态网络的轻量级动作识别方法，其特征在于，所述s4中的对特征层面蒸馏进行异构知识网络蒸馏具体包括以下步骤：

4.根据权利要求3所述的一种基于知识蒸馏与动态网络的轻量级动作识别方法，其特征在...

【专利技术属性】
技术研发人员：孙可，张尹锋，项琳，项显周，
申请(专利权)人：厦门天堉物联网科技有限公司，
类型：发明
国别省市：