【技术实现步骤摘要】
本专利技术涉及数据分析和人工智能预测技术，特别是涉及一种基于3d卷积和循环神经网络的动态目标行为预测系统。
技术介绍
1、在智能监控、自动驾驶、机器人视觉以及人机交互等众多领域，对动态目标行为的准确预测对于提高系统智能化水平、增强用户体验和保障安全具有重要意义。随着计算机视觉和深度学习技术的发展，基于视频数据的行为分析和预测方法已经取得了显著进展。
2、目前，大多数行为预测系统依赖于2d卷积神经网络来处理视频帧图像。2d 卷积神经网络在图像识别和分类任务中表现出色，但它们通常只能捕捉到图像的二维空间特征，而忽略了视频中帧与帧之间的时间关系。这限制了模型对动态行为连续性和复杂动作模式的理解能力。
3、此外，现有的行为预测系统在处理时间序列数据时，往往采用传统的循环神经网络（rnn），如长短期记忆网络（lstm）或门控循环单元（gru）。尽管这些模型能够处理序列数据并记忆长期依赖关系，但它们通常独立于空间特征进行操作，没有充分利用场景中的深度信息和空间结构信息。
4、在一些先进的系统中，尝试结合使用2d卷...
【技术保护点】
1.一种基于3D卷积和循环神经网络的动态目标行为预测系统，其特征在于包括以下模块：
2.如权利要求1所述的一种基于3D卷积和循环神经网络的动态目标行为预测系统，其特征在于：所述通过深度传感器获取目标行为点云数据，由点云数据获取点云特征包括：
3.如权利要求1所述的一种基于3D卷积和循环神经网络的动态目标行为预测系统，其特征在于，所述关节序列特征提取包括：
4.如权利要求1所述的一种基于3D卷积和循环神经网络的动态目标行为预测系统，其特征在于，所述时空金字塔池化层包括：
5.如权利要求1所述的一种基于3D卷积和循环神经网络...
【技术特征摘要】
1.一种基于3d卷积和循环神经网络的动态目标行为预测系统，其特征在于包括以下模块：
2.如权利要求1所述的一种基于3d卷积和循环神经网络的动态目标行为预测系统，其特征在于：所述通过深度传感器获取目标行为点云数据，由点云数据获取点云特征包括：
3.如权利要求1所述的一种基于3d卷积和循环神经网络的动态目标行为预测系统，其特征在于，所述关节序列特征提取包括：
4.如权利要求1所述的一种基于3d卷积和循环神经网络的动态目标行为预测系统，其特征在于，所述时空金字塔池化层包括：
5.如权利要求1所述的一种基于3d卷积和循环神经网络的动态目标行为预测系统，其特征在于，所述时空注意力机制包括：
6.如权利要求1所述的一种基于3d卷积和循环神经网络的动态目标行为预测系统，其特征在于：非局部模块用于增强神经网络对视频动作识别全局特征...
【专利技术属性】
技术研发人员：王强，何先定，张善平，周煜，崔庆春，尹龙梅，
申请(专利权)人：成都航空职业技术学院，
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。