【技术实现步骤摘要】
本专利技术属于计算机视觉，尤其涉及基于自适应运动节奏学习的视频动作识别方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、视频中的人类动作识别是目前计算机视觉领域的研究重点之一。动作识别技术被广泛应用于视频处理、自动驾驶、智能安全等新兴领域。在过去的几十年里，基于深度学习技术的卷积神经网络被广泛应用于动作识别任务中，并取得了极其显著的结果。视频包含复杂的时间和空间信息，与传统的静态图像识别相比，计算需求明显更大，因此如何有效地构建时间建模模型是一个具有挑战性的问题，也是解决这一问题的关键。
3、目前，一些基于运动信息建模的二维卷积方法，已经在动作识别领域取得了有效进展。视频中动作的运动信息可以通过时间差来建模，并且视频中的时间信息和背景信息可以转化为有用的运动特征信息，从而有效激活深度网络中动态特征的计算和传递。时空转移模块是第一个利用时间差异二维骨干网络建模的方法，这使模型能够通过不增加计算量的转移操作实现有效的行为识别，但它仅仅是有限的操作骨干的结构和...
【技术保护点】
1.基于自适应运动节奏学习的视频动作识别方法，其特征在于，包括：
2.根据权利要求1所述的基于自适应运动节奏学习的视频动作识别方法，其特征在于，所述视频输入特征，通过将视频分为若干视频段，并遵循稀疏抽样策略在每个视频段中随机提取一帧得到。
3.根据权利要求1所述的基于自适应运动节奏学习的视频动作识别方法，其特征在于，所述特征压缩处理采用卷积层和最大池化层实现。
4.根据权利要求1所述的基于自适应运动节奏学习的视频动作识别方法，其特征在于，所述第一输出特征为：
5.根据权利要求1所述的基于自适应运动节奏学习的视频动作识别方...
【技术特征摘要】
1.基于自适应运动节奏学习的视频动作识别方法，其特征在于，包括：
2.根据权利要求1所述的基于自适应运动节奏学习的视频动作识别方法，其特征在于，所述视频输入特征，通过将视频分为若干视频段，并遵循稀疏抽样策略在每个视频段中随机提取一帧得到。
3.根据权利要求1所述的基于自适应运动节奏学习的视频动作识别方法，其特征在于，所述特征压缩处理采用卷积层和最大池化层实现。
4.根据权利要求1所述的基于自适应运动节奏学习的视频动作识别方法，其特征在于，所述第一输出特征为：
5.根据权利要求1所述的基于自适应运动节奏学习的视频动作识别方法，其特征在于，所述第二输出特征的计算过程包括：计算所述运动相关张量与尺度因子的乘积；将所述乘积与所述第一输出特征进行加和，得到所述第二输出特征。
6.根据...
【专利技术属性】
技术研发人员：常发亮，王彬，刘春生，王德鑫，郇恒强，常致富，
申请(专利权)人：山东大学，
类型：发明
国别省市：
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。