龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：山东大学
摘要：本发明公开了一种基于人体姿态识别的融合特征运动类视频关键帧提取方法，包括以下步骤：S1.对目标视频段进行逐帧分割；S2.用残差网络进行静态特征提取，将数据进行维度，得到的视频帧静态特征；S3.对三维空间中人体的骨骼数据进行抽象，对视频帧进行运动特征的提取，得到运动特征Sd；S4.将提取出的静态特征和运动特征按照权重大小做线性加权处理；S5.对融合后的特征通过自注意力机制提取全局特征，而后计算视频帧的重要性，通过伯努利函数采取相应动作关键帧的提取，并使用强化学习进行结果集的优化，其优点在于，使得结果集可以达到最优，有效改善运动目标特征丢失和关键帧漏检的问题。
主权项：1.一种基于人体姿态识别的融合特征运动类视频关键帧提取方法，其特征在于，包括以下步骤：S1.对目标视频段进行逐帧分割，将视频分割为一系列视频帧；S2.用残差网络进行静态特征提取，将数据进行降维处理，得到的视频帧静态特征Ss＝[Ss1,Ss2,…,SsT]；S3.对三维空间中人体的骨骼数据进行抽象，对视频帧进行运动特征的提取，得到运动特征Sd＝[Sd1,Sd2,…,SdT]；S4.将提取出的静态特征Ss和运动特征Sd按照权重大小做线性加权处理，S＝mSs+nSd，m和n分别为静态特征的权重因子和运动特征的权重因子；S5.对融合后的特征通过自注意力机制提取全局特征，而后计算视频帧的重要性，通过伯努利函数针对相应动作进行关键帧的提取，并使用强化学习进行结果集的优化；具体方法如下：S51.通过双向掩码建模视频帧之间的位置信息；S52.在得到视频序列的全局上下文信息后，基于全局相关性特征计算出特征匹配度，然后采用全连接层预测视频帧的重要性分数score；S53.得到每一个视频帧的帧得分之后，通过伯努利分布针对相应动作进行关键帧的选择at～BY，at表示为把当前帧作为关键帧的概率；S54.使用强化学习评判提取的关键帧结果集质量的高低，使用状态－动作值为结果集重要性与多样性的和进行表征，用关键帧集合对完整视频信息的覆盖能力来评估结果集的重要性，用所选帧之间特征空间的差异大小来评估结果集的多样性。
全文数据：
权利要求：
百度查询： 山东大学 基于人体姿态识别的融合特征运动类视频关键帧提取方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号