一種基于深度學(xué)習(xí)的視頻圖像識(shí)別系統(tǒng)及方法
基本信息
| 申請(qǐng)?zhí)?/td> | CN201910843125.3 | 申請(qǐng)日 | - |
| 公開(kāi)（公告）號(hào) | CN110555417A | 公開(kāi)（公告）日 | 2019-12-10 |
| 申請(qǐng)公布號(hào) | CN110555417A | 申請(qǐng)公布日 | 2019-12-10 |
| 分類(lèi)號(hào) | G06K9/00（2006.01）; G06K9/62（2006.01） | 分類(lèi) | 計(jì)算；推算；計(jì)數(shù); |
| 發(fā)明人 | 李家志; 常磊 | 申請(qǐng)（專(zhuān)利權(quán)）人 | 福建中科亞創(chuàng)動(dòng)漫科技股份有限公司 |
| 代理機(jī)構(gòu) | 泉州市誠(chéng)得知識(shí)產(chǎn)權(quán)代理事務(wù)所（普通合伙） | 代理人 | 福建中科亞創(chuàng)動(dòng)漫科技股份有限公司 |
| 地址 | 361001 福建省廈門(mén)市思明區(qū)軟件園二期望海路10號(hào)404A單元 | ||
| 法律狀態(tài) | - | ||
摘要
| 摘要 | 本發(fā)明涉及基于深度學(xué)習(xí)的視頻圖像識(shí)別系統(tǒng)及方法，其方法包括以下步驟：采集視頻信息和第一圖片信息，將視頻信息分解成多幅連續(xù)單幀圖片，得到第二圖片信息；第一圖片信息和/或第二圖片信息輸入聚類(lèi)模型進(jìn)行聚類(lèi)分類(lèi)；確定每類(lèi)姿態(tài)的聚類(lèi)中心，并對(duì)每類(lèi)姿態(tài)樣本劃分子集；根據(jù)劃分出的子集，以課程學(xué)習(xí)的訓(xùn)練策略?xún)?yōu)化神經(jīng)網(wǎng)絡(luò)模型；接收待識(shí)別圖片信息，利用優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行姿態(tài)識(shí)別。相對(duì)現(xiàn)有技術(shù)，本發(fā)明能提取更加有效的更加有區(qū)分力度的特征，使得訓(xùn)練的分類(lèi)器有更好的泛化性能，處理速度快，提高姿態(tài)分類(lèi)識(shí)別效果，圖片識(shí)別精準(zhǔn)度高。 |
