【技术实现步骤摘要】
本专利技术涉及深度学习、图像处理、计算机视觉，更具体的说是涉及一种基于深度学习的多视角动作识别方法和装置。
技术介绍
1、目前，在现有的动作检测和识别技术中，大多数方法依赖于单视角的视频或图像数据。然而，单视角的数据往往无法提供足够的空间信息，特别是在某些复杂场景下，如多人交互、存在遮挡等情况，动作检测和识别的准确率下降。
2、因此，如何有效地利用多视角数据来提高动作检测和识别的准确性，成为了一个亟待解决的问题。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于深度学习的多视角动作识别方法和装置，该方法通过融合多个视角的视频或图像数据，可以更全面地捕捉到动作的空间特征和形态变化特征，提高动作检测和识别的准确率，可以有效解决复杂场景，如多人交互、存在遮挡，视角变化情况，动作识别准确率下降的问题；可应用于安全生产智能监控等领域。
2、为了实现上述目的，本专利技术采用如下技术方案：
3、第一方面，本专利技术实施例提供一种基于深度学习的多视角动作识别方法，包
本文档来自技高网...【技术保护点】
1.一种基于深度学习的多视角动作识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的多视角动作识别方法，其特征在于，获取包含人体的多视角图像，基于预训练的YOLOv5模型提取图像中的人体位置区域并进行预处理；包括：
3.根据权利要求1所述的一种基于深度学习的多视角动作识别方法，其特征在于，所述多视角感知层，作为多视角动作识别模型的输入层，用于感知每个视角的空间特征信息，并提取图像的浅层语义特征；
4.根据权利要求1所述的一种基于深度学习的多视角动作识别方法，其特征在于，所述Backbone骨干网络层，使用...
【技术特征摘要】
1.一种基于深度学习的多视角动作识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的多视角动作识别方法，其特征在于，获取包含人体的多视角图像，基于预训练的yolov5模型提取图像中的人体位置区域并进行预处理；包括：
3.根据权利要求1所述的一种基于深度学习的多视角动作识别方法，其特征在于，所述多视角感知层，作为多视角动作识别模型的输入层，用于感知每个视角的空间特征信息，并提取图像的浅层语义特征；
4.根据权利要求1所述的一种基于深度学习的多视角动作识别方法，其特征在于，所述backbone骨干网络层，使用resnet18作为基础网络结构，用于提取图像深层语义特征；所述resnet18使用basicblock模块构建网络，引入残差连接，并增加一个通道注意力模...
【专利技术属性】
技术研发人员：潘金全，王兆均，陈正明，蔡佳峰，
申请(专利权)人：暗物智能科技广州有限公司，
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。