Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南通展飞智能装备科技有限公司张鹏获国家专利权

南通展飞智能装备科技有限公司张鹏获国家专利权

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!

龙图腾网获悉南通展飞智能装备科技有限公司申请的专利一种基于ZYNQ的深度学习人体行为识别的方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116030372B

龙图腾网通过国家知识产权局官网在2026-03-17发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210330994.8,技术领域涉及:G06V20/40;该发明授权一种基于ZYNQ的深度学习人体行为识别的方法及系统是由张鹏;孟另伟;李孟委设计研发完成,并于2022-03-31向国家知识产权局提交的专利申请。

一种基于ZYNQ的深度学习人体行为识别的方法及系统在说明书摘要公布了:本发明公开了一种基于ZYNQ的深度学习人体行为识别的方法及系统,包括步骤:1获取人体行为的视频数据集;2进行数据预处理,将步骤1中的视频数据集通过人体姿态估计算法所采集到的人体估计信息进行数据处理,并将采集的数据分化为训练集以及测试集;3构建人体行为识别的模型,使用设计的深度学习的神经网络对步骤2二中的数据集的数据进行特征提取与处理,实现对模型的训练;4设置训练参数,对设计的深度学习网络进行训练;5根据实际需要,以ZYNQ为核心板,将训练好的模型进行迁移,最后完成部署,实现在线的人体行为识别。本发明有利于视频场景下对复杂、长时需推理行为的识别,具有实际应用价值。

本发明授权一种基于ZYNQ的深度学习人体行为识别的方法及系统在权利要求书中公布了:1.一种基于ZYNQ的深度学习人体行为识别的方法,其特征在于,包括以下步骤: 步骤一:获取人体行为的视频数据集; 步骤二:进行数据预处理,将步骤一中的视频数据集通过人体姿态估计算法所采集到的人体估计信息进行数据处理,并将采集的数据分化为训练集以及测试集; 其具体包括:所述步骤二中对数据通过openpose算法对人体行为的骨骼关键点信息进行提取,将关键点的信息的二维坐标转化为一维坐标信息,并且将其按照时间顺序以及动作种类进行标注分类,并将所获得数据集按照8:2的比例划分为训练集和测试集; 步骤三:构建人体行为识别的模型,使用设计的深度学习的神经网络对步骤二中的数据集的数据进行特征提取与处理,实现对模型的训练;其中深度学习的神经网络是通过对双向循环门控制网络进行修改,增加时空注意力机制,增强网络对于时间和空间的信息的处理能力,并且在此基础上通过增加另一个分支的CNN网络,提取人体特征信息,将两个特征进行特征融合,这样的目的增加特征提取的方式,获得更加完整的特征信息; 所述步骤三中构建人体行为识别的模型的具体步骤如下: 1设计时空注意力机制的双向循环门神经网络,时空注意力机制的双向循环门神经网络包括:时间和空间注意力机制模块以及双向GRU神经网络; 2设计CNN网络分支,设计CNN网络是为了产生不同的特征信息,提高特征信息的准确性; 3设计多尺度的特征融合模块,多尺度特征融合模块由特征融合模块连接以及上下采样模块连接而成; 4设计分类器模块,通过分类器和人体行为识别模型对视频图像进行分类处理 5搭建基于双向循环门网络为主体的模型网络,该网络包括时空注意力机制、CNN网络分支、多尺度特征融合以及分类器模块,采用深度学习神经网络提取预处理后的视频图像的特征向量;将所述特征向量输入人体行为识别模型的分类器中,通过分类器和人体行为识别模型对视频图像进行分类处理,得到带更新后子行为类别标签的视频图像的分类结果;将得到的带更新后子行为类别标签的视频图像的分类结果,按照标本库所分大类归类合并,得到视频图像中人体行为所属行为类别; 步骤四:设置训练参数,对设计的深度学习网络进行训练; 步骤五:根据实际需要,以ZYNQ为核心板,将训练好的模型进行迁移,最后完成部署,实现在线的人体行为识别。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人南通展飞智能装备科技有限公司,其通讯地址为:226000 江苏省南通市崇川区狼山镇街道世纪大道63号清之华园3层;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

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。