【技术实现步骤摘要】
本专利技术属于计算机视觉动作识别，尤其涉及一种基于时序建模的可部署边缘设备的轻量级动作识别方法。
技术介绍
1、随着物联网(iot)和边缘计算的发展，越来越多的传感器设备被部署在各种环境中，用于收集数据并进行实时分析和决策。在许多应用场景中，例如智能家居、智能健康监测、工业生产和智能交通系统等，对人类行为和动作的识别变得至关重要。动作识别可以用于监测人类的活动状态、识别异常行或者作为用户界面的一部分，例如手势控制。
2、在边缘设备上进行动作识别具有挑战性，因为这些设备通常具有有限的计算资源和存储容量。因此，研究人员倾向于开发轻量级的动作识别算法，这些算法可以在边缘设备上运行，并且具有低延迟和低功耗。
3、基于时序建模的动作识别方法是一种常见的方法。它利用相机采集包含各类动作的视频，将其作为输入，然后使用机器学习或深度学习技术来训练模型以识别不同的动作或行为。这种方法的关键在于如何有效地捕获时间序列数据的特征，并且设计轻量级的模型结构，以在边缘设备上实时执行。基于3d cnn和transformer的网络架构虽然具...
【技术保护点】
1.一种基于时序建模的可部署边缘设备的轻量级动作识别方法，其特征在于，包括：
2.根据权利要求1所述的基于时序建模的可部署边缘设备的轻量级动作识别方法，其特征在于，所述的关键帧提取方法是一种基于图像熵和密度聚类的关键帧提取方法，该关键帧提取方法主要分为三个步骤，即1)计算图像熵，2)寻找局部极值点，3)执行密度聚类。
3.根据权利要求1所述的基于时序建模的可部署边缘设备的轻量级动作识别方法，其特征在于，所述的基于时序建模的可部署边缘设备的轻量级动作识别模型包括：标准卷积层、改进的MobileNetV3残差块、分类模块。其中所述的改进的Mobil...
【技术特征摘要】
1.一种基于时序建模的可部署边缘设备的轻量级动作识别方法，其特征在于，包括：
2.根据权利要求1所述的基于时序建模的可部署边缘设备的轻量级动作识别方法，其特征在于，所述的关键帧提取方法是一种基于图像熵和密度聚类的关键帧提取方法，该关键帧提取方法主要分为三个步骤，即1)计算图像熵，2)寻找局部极值点，3)执行密度聚类。
3.根据权利要求1所述的基于时序建模的可部署边缘设备的轻量级动作识别方法，其特征在于，所述的基于时序建模的可部署边缘设备的轻量级动作识别模型包括：标准卷积层、改进的mobilenetv3残差块、分类模块。其中所述的改进的mobilenetv3残差块包括：时序建模模块、conv 1×1、conv 3×3、eca通道注意力机制以及conv 1×1。
4.根据权利要求1所述的基于时序建模的可部署边缘设备的轻量级动作识别方法，其特征在于，获取所述空间特征和时间特征的方法是将所述标准卷积层提取的图像基本特征输入至所述地改进的mobilenetv3残差块中，再利用所述的改进的mobilenetv3残差块提取时间特征和空间特征并进行融合。
5.根据权利要求3所述的基于时序建模的可部署边缘设备的轻量级动作识别方法，其特征在于，所述的标准卷积层以及所述的分类模块都是来源自mobilenetv3骨干网络。所述的标准卷积层用于提取输入图像的基本特征...
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。