【技术实现步骤摘要】
本专利技术涉及计算机视觉人体动作识别，更具体的说是涉及一种基于超分辨率增强的单阶段低分辨率动作识别方法、系统、设备及介质。
技术介绍
1、随着移动互联网和智能手机的发展，视频相机正变得越来越无处不在。数以百万计的摄像头记录着人们的日常行为，这造成了严重的隐私保护问题。我们希望视频技术的发展和数据爆炸能够有助于理解和帮助人类开展生产和生活活动，但同时做好个人隐私保护也至关重要。以极低分辨率进行视频的采集、传输和存储被视为一种简单和有效的解决方案。低分辨率(lr)视频广泛存在于现实世界中，并且可以通过各种移动设备非常便捷地获取，大大降低了视频的录制成本和存储负担。
2、这给计算机视觉带来了一个新挑战——如何在低分辨率视频中识别人类的活动。尽管现有的视频动作识别技术已经取得了卓越的进展，但是这些方法都建立在采集到的数据具有足够丰富的语义和深度信息的基础上。在基于低分辨率数据的任务上，动作识别方法的有效性会被严重削弱。综上，探索一种在低分辨率视频中效果良好的有效动作识别方法是一项意义非凡的任务。
3、针对这一任务，已经产...
【技术保护点】
1.一种基于超分辨率增强的单阶段低分辨率动作识别方法，其特征在于：建立一个端到端的统一单阶段低分辨率视频动作识别框架，用于实现动作识别；该框架集成超分辨率模块和动作识别模块，在单阶段内以动作识别为导向，仅需低分辨率数据而不依赖于高分辨率数据，联合训练超分辨率和动作分类；从无参考图像质量评价的角度，通过评估超分辨率模块输入和输出两种特征在自一致性和邻域一致性上的变化幅度保持空间一致性；设置由自一致性损失、邻域一致性损失和交叉熵损失线性组合成的综合损失函数，通过在整个框架中反向传播来实现端到端优化。
2.根据权利要求1所述基于超分辨率增强的单阶段低分辨率动作识...
【技术特征摘要】
1.一种基于超分辨率增强的单阶段低分辨率动作识别方法，其特征在于：建立一个端到端的统一单阶段低分辨率视频动作识别框架，用于实现动作识别；该框架集成超分辨率模块和动作识别模块，在单阶段内以动作识别为导向，仅需低分辨率数据而不依赖于高分辨率数据，联合训练超分辨率和动作分类；从无参考图像质量评价的角度，通过评估超分辨率模块输入和输出两种特征在自一致性和邻域一致性上的变化幅度保持空间一致性；设置由自一致性损失、邻域一致性损失和交叉熵损失线性组合成的综合损失函数，通过在整个框架中反向传播来实现端到端优化。
2.根据权利要求1所述基于超分辨率增强的单阶段低分辨率动作识别方法，其特征在于：所述超分辨率模块中，设置轻量残差块用于特征提取，将结合稀疏性的非局部注意力模块嵌入到超分辨率模块主体。
3.根据权利要求1所述基于超分辨率增强的单阶段低分辨率动作识别方法，其特征在于：所述轻量残差块中设置有两个shuffle块，第一个shuffle块和第二个shuffle块间设置relu激活层，在第二个shuffle块之后与轻量残差块的输入进行逐元素相加实现残差结构。
4.根据权利要求3所述基于超分辨率增强的单阶段低分辨率动作识别方法，其特征在于：所述将结合稀疏性的非局部注意力模块嵌入到超分辨率模块主体，实现方式为...
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。