科创中国
人类行为识别的标签和交互关系联合学习方法
成果类型：: 发明专利
发布时间: 2024-10-16 08:34:53
科技成果产业化落地方案
方案提交机构：成果发布人| 徐景新 | 2024-10-16 08:34:53
本发明属于计算机视觉中的行为识别领域，涉及一种人类的行为识别方法。该发明在识别个人行为的同时判断人之间的交互。
。一种用于人类行为识别的标签和交互关系联合学习方法，包括以下步骤：1)，使用CNN特征、HOG特征、HOF特征及人与人之间的距离、头部朝向等信息构造能量函数，包含一元能量项、二元能量项、交互能量项和正则化项；2)使用大间隔结构化学习训练所有模型参数；3)标签和交互关系预测，使用交替搜索策略求解复杂推理问题，在迭代中交替优化标签和交互结构。本发明适用于包含多人、多行为类别的图像和视频，能够同时识别个人行为和人与人之间的交互行为。
类行为识别的标签和交互关系联合学习方法具有广阔的应用前景，以下是一些可能的应用场景：
智能监控系统：这种方法可以用于监控视频中的人类行为识别，例如公共场所的安全监控、工厂车间的生产监控等。通过对人类行为的准确识别，系统可以及时发现异常行为并发出警报。
人机交互：在人机交互领域，该方法可以帮助计算机更好地理解人类的行为意图，从而提供更加智能和个性化的服务。例如，智能家居系统可以根据用户的行为习惯自动调整环境设置。
健康监测：通过对人类行为的识别和分析，可以应用于健康监测领域，例如监测老年人的日常活动，及时发现异常情况并提供相应的帮助。
虚拟现实和增强现实：在虚拟现实和增强现实应用中，对人类行为的准确识别可以提供更加真实和自然的交互体验。
浙江工业大学是东部沿海地区第一所省部共建高校、首批国家“高等学校创新能力提升计划”（2011计划）协同创新中心牵头高校和浙江省首批重点建设高校，坐落于中国历史文化名城、风景旅游胜地杭州。学校坚持立德树人根本任务，以拔尖创新人才为引领、高级应用型人才为主体、复合型人才为特色，大力培养德智体美劳全面发展，富有家国情怀、国际视野、创新精神和实践能力的行业精英和领军人才。
本发明提出了一种在联合框架中学习人类互动及其个人行为标签的方法。使用深度神经网络特征和上下文语义信息，以监督的方式学习个人行为和交互。使用大间隔结构化学习方法来学习模型参数，并提出了一种有效的优化算法来解决相关推理问题，提出的方法大大优于基准方法，与已知最好结果相比具有很强的竞争力。
技术转让，许可，合作所需资金需双方协商，此项技术想尽快落地，希望具备此项技术研发的技术方，能够尽快承接此项目。
下载app