基于LRCN網(wǎng)絡(luò)的行為識(shí)別方法、裝置、設(shè)備及介質(zhì)

基本信息

申請(qǐng)?zhí)?/td> CN201910489710.8 申請(qǐng)日 -
公開(kāi)（公告）號(hào) CN110287820B 公開(kāi)（公告）日 2021-07-23
申請(qǐng)公布號(hào) CN110287820B 申請(qǐng)公布日 2021-07-23
分類號(hào) G06K9/00（2006.01）I;G06K9/46（2006.01）I;G06N3/04（2006.01）I 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 歐陽(yáng)鵬;尹首一;李秀東;王博 申請(qǐng)（專利權(quán)）人 北京清微智能科技有限公司
代理機(jī)構(gòu) 北京三友知識(shí)產(chǎn)權(quán)代理有限公司 代理人 周曉飛;王天堯
地址 100056北京市海淀區(qū)北四環(huán)西路9號(hào)22層2212
法律狀態(tài) -

摘要

摘要 本發(fā)明實(shí)施例提供一種基于LRCN網(wǎng)絡(luò)的行為識(shí)別方法、裝置、設(shè)備及可讀存儲(chǔ)介質(zhì)，其中，該方法包括：獲取待識(shí)別的視頻幀序列和對(duì)應(yīng)的光流圖；將待識(shí)別的視頻幀序列和對(duì)應(yīng)的光流圖輸入長(zhǎng)時(shí)遞歸卷積網(wǎng)絡(luò)模型，得到所述待識(shí)別的視頻幀序列的行為類別標(biāo)簽，將所述待識(shí)別的視頻幀序列中每相鄰的預(yù)設(shè)數(shù)量的幀輸入長(zhǎng)時(shí)遞歸卷積網(wǎng)絡(luò)模型中的第一卷積神經(jīng)網(wǎng)絡(luò)內(nèi)，將預(yù)設(shè)數(shù)量的幀對(duì)應(yīng)的光流圖輸入長(zhǎng)時(shí)遞歸卷積網(wǎng)絡(luò)模型中的第二卷積神經(jīng)網(wǎng)絡(luò)內(nèi)，卷積神經(jīng)網(wǎng)絡(luò)分別對(duì)預(yù)設(shè)數(shù)量的幀和光流圖采用數(shù)據(jù)融合的方式進(jìn)行卷積層共享。該方案在卷積層之間引入共享，使得降低了相鄰幀之間的圖像信息存在的大量冗余之后再進(jìn)行行為識(shí)別，從而有利于減少網(wǎng)絡(luò)整體的計(jì)算量。