-
公开(公告)号：CN117746510A
公开(公告)日：2024-03-22
申请号：CN202410181853.3
申请日：2024-02-19
Applicant: 河海大学 , 南京荟英电子科技有限公司
IPC: G06V40/20 , G06V10/46 , G06V10/62 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于点云特征图的实时三维行为识别方法，涉及行为识别技术领域，首先将点云序列抽象为虚拟行为序列，在此基础上，提出了两种点云特征图，即点云外观图PCAM和点云运动图PCMM，以获得三维行为识别的时空外观结构和运动动态；本方法在三个行为识别数据集上进行了大量的实验，在NTU RGB+D 60数据集上实现了跨视图精度96.7%，在UTD‑MHAD数据集上实现了跨主题精度91.61%，在MSR Action3D数据集上实现了91.91%的精度，优于现有技术，从而有效地简化了点云序列分类任务的复杂性，同时保持了优异的识别性能。
-
公开(公告)号：CN112580442B
公开(公告)日：2022-08-09
申请号：CN202011398484.1
申请日：2020-12-02
Applicant: 河海大学 , 南京荟英电子科技有限公司
Abstract: 本发明公开了一种基于多维金字塔层次模型的行为识别方法，通过构建包含空间维度和时间维度的多维金字塔层次模型来对视频中的行为进行建模以捕获结构化的多尺度特征，然后通过分类器进行行为识别。本发明从多个维度充分描述了不同尺度下的行为特征，为行为识别提供了更具判别性的附加信息，有效地提高了行为识别的准确性和鲁棒性。
-
公开(公告)号：CN117392760A
公开(公告)日：2024-01-12
申请号：CN202311698698.4
申请日：2023-12-12
Applicant: 河海大学 , 南京荟英电子科技有限公司
IPC: G06V40/20 , G06V20/40 , G06V10/44 , G06V10/62 , G06V10/74 , G06V10/764 , G06V10/80 , G06V10/82 , G16H20/30 , A61B5/11 , A61B5/00
Abstract: 本发明公开一种基于折半交叉网络的健康指导方法和系统，包括如下步骤：构建物理层和数据处理层，通过摄像头采集动作视频并进行处理得到去噪深度图和时间梯度图；构建行为识别层：构建特征提取网络，通过特征提取得到深度特征图和时间梯度特征图；构建折半交叉注意力模型，计算得到特征向量；输入全连接层，并通过激活函数进行激活，通过分类器得到输出结果；构建控制层：根据输出结果建立行为与控制的匹配关系，确定每个动作对应的语音指令以及实现对用户的建议提示。采用本发明的健康指导方法，解决了数据维度过高和无关特征信息对模型性能产生影响的问题，增强了对人体行为时空特征的表述能力，提高了行为识别精度和颈椎康复指导系统的可靠性。
-
公开(公告)号：CN117746510B
公开(公告)日：2024-05-28
申请号：CN202410181853.3
申请日：2024-02-19
Applicant: 河海大学 , 南京荟英电子科技有限公司
IPC: G06V40/20 , G06V10/46 , G06V10/62 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于点云特征图的实时三维行为识别方法，涉及行为识别技术领域，首先将点云序列抽象为虚拟行为序列，在此基础上，提出了两种点云特征图，即点云外观图PCAM和点云运动图PCMM，以获得三维行为识别的时空外观结构和运动动态；本方法在三个行为识别数据集上进行了大量的实验，在NTU RGB+D 60数据集上实现了跨视图精度96.7%，在UTD‑MHAD数据集上实现了跨主题精度91.61%，在MSR Action3D数据集上实现了91.91%的精度，优于现有技术，从而有效地简化了点云序列分类任务的复杂性，同时保持了优异的识别性能。
-
公开(公告)号：CN117392760B
公开(公告)日：2024-04-23
申请号：CN202311698698.4
申请日：2023-12-12
Applicant: 河海大学 , 南京荟英电子科技有限公司
IPC: G06V40/20 , G06V20/40 , G06V10/44 , G06V10/62 , G06V10/74 , G06V10/764 , G06V10/80 , G06V10/82 , G16H20/30 , A61B5/11 , A61B5/00
Abstract: 本发明公开一种基于折半交叉网络的健康指导方法和系统，包括如下步骤：构建物理层和数据处理层，通过摄像头采集动作视频并进行处理得到去噪深度图和时间梯度图；构建行为识别层：构建特征提取网络，通过特征提取得到深度特征图和时间梯度特征图；构建折半交叉注意力模型，计算得到特征向量；输入全连接层，并通过激活函数进行激活，通过分类器得到输出结果；构建控制层：根据输出结果建立行为与控制的匹配关系，确定每个动作对应的语音指令以及实现对用户的建议提示。采用本发明的健康指导方法，解决了数据维度过高和无关特征信息对模型性能产生影响的问题，增强了对人体行为时空特征的表述能力，提高了行为识别精度和颈椎康复指导系统的可靠性。
-
Patent Agency Ranking
公开(公告)号：CN112560625B
公开(公告)日：2022-09-23
申请号：CN202011425891.7
申请日：2020-12-09
Applicant: 河海大学 , 南京荟英电子科技有限公司
Abstract: 本发明提出了一种基于时空联合响应网络的智能家居控制方法，属于行为识别领域，可以通过识别目标对象的行为发出相应的指令来控制家居的运作状态。首先，通过物理层采集动作视频，再经数据处理层进行处理并生成动作特征图传入行为识别层。行为识别层采用StarNet网络结构，该网络分别训练针对于时间和空间特征的自编码器，然后利用门控机制自动地对时间、空间或时空混合的输入做出响应并进行最优化编码。编码后的特征向量经全连接层和激活层实现分类。然后，控制层获取行为识别层的分类结果并根据设计的行为关联库发出相应的指令控制家居的运转。本发明提高了行为识别的准确度和智能家居系统的可靠性，解决了语音受限条件下智能家居的控制问题。
-
公开(公告)号：CN112580442A
公开(公告)日：2021-03-30
申请号：CN202011398484.1
申请日：2020-12-02
Applicant: 河海大学 , 南京荟英电子科技有限公司
Abstract: 本发明公开了一种基于多维金字塔层次模型的行为识别方法，通过构建包含空间维度和时间维度的多维金字塔层次模型来对视频中的行为进行建模以捕获结构化的多尺度特征，然后通过分类器进行行为识别。本发明从多个维度充分描述了不同尺度下的行为特征，为行为识别提供了更具判别性的附加信息，有效地提高了行为识别的准确性和鲁棒性。
-
公开(公告)号：CN112560625A
公开(公告)日：2021-03-26
申请号：CN202011425891.7
申请日：2020-12-09
Applicant: 河海大学 , 南京荟英电子科技有限公司
Abstract: 本发明提出了一种基于时空联合响应网络的智能家居控制方法，属于行为识别领域，可以通过识别目标对象的行为发出相应的指令来控制家居的运作状态。首先，通过物理层采集动作视频，再经数据处理层进行处理并生成动作特征图传入行为识别层。行为识别层采用StarNet网络结构，该网络分别训练针对于时间和空间特征的自编码器，然后利用门控机制自动地对时间、空间或时空混合的输入做出响应并进行最优化编码。编码后的特征向量经全连接层和激活层实现分类。然后，控制层获取行为识别层的分类结果并根据设计的行为关联库发出相应的指令控制家居的运转。本发明提高了行为识别的准确度和智能家居系统的可靠性，解决了语音受限条件下智能家居的控制问题。
-
公开(公告)号：CN117746512A
公开(公告)日：2024-03-22
申请号：CN202410181865.6
申请日：2024-02-19
Applicant: 河海大学 , 南京荟英电子科技有限公司
IPC: G06V40/20 , G06V10/62 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0442 , G06N3/048 , G06N3/08 , G06T7/246 , G06T7/269
Abstract: 本发明公开了一种基于双流点云序列的行为识别方法，涉及行为识别技术领域，首先采集数据并进行数据预处理，将深度序列转换为点云序列输入到本方法的双流网络中；采用静态点云技术将虚拟动作转换成点云序列模块，再将点云序列抽象为虚拟动作序列，以便于对每一帧的外观结构进行编码；使用双流网络框架来对虚拟动作序列进行建模；通过引入运动流模块来捕捉沿时间维度的动态变化；在数据训练过程中本方法采用联合损失策略来提高双流网络的动作预测精度，本发明在三个公开可用的数据集上进行了大量的实验，实验结果表明本发明明显优于现有技术的方法。
-
公开(公告)号：CN117746511A
公开(公告)日：2024-03-22
申请号：CN202410181862.2
申请日：2024-02-19
Applicant: 河海大学 , 南京荟英电子科技有限公司
IPC: G06V40/20 , G06V10/62 , G06V10/764 , G06V10/77 , G06V10/42 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种用于三维动作识别的分层点云序列学习方法，涉及行为识别技术领域，首先在建模点云序列时将空间和时间分层学习明确分开；每个点云帧的空间结构首先在超点嵌入模块中沿空间维度进行分层编码，然后封装到称为超点的新点数据类型中；然后引入超点序列编码模块，对超点序列沿时间维度进行分层编码；然后将超点嵌入模块和超点序列编码模块合并到SequentialPointNet++中，以双层次方式对点云序列进行编码；从而提高了行为识别的准确度，在四个广泛使用的数据集上超越了传统的现有技术的行为识别方法。
-
-
-
-
-
-
-
-
-
Search Results
324
records
(took 0.04 seconds)
