一种用于人类行为识别的深度联合结构化和结构化学习的方法,包括以下步骤:1)构造联合结构和结构公式化;2)使用空间网络从图像中的人体区域提取深层卷积神经网络特征,将空间网络的fc6层的输出作为深度特征,使用梯度直方图和光流直方图特征来进一步增强特征表示;CNN,HOG和HOF特征被连接以表示图像中的个人行为或交互关系,使用这种特征为每个数据集训练两个线性支持向量机分类器,使用组合特征来计算公式(1)中的联合特征;3)训练模型的参数;4)训练和预测中的相关推理,在训练的每次迭代期间,针对每个训练示例解决损失增强推理。本发明适用于多个行为类别的图像、能够识别交互行为。
声明:
“用于人类行为识别的深度联合结构化和结构化学习方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)