人体行为识别方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109992171A(43)申请公布日2019.07.09(21)申请号201910242322.X(22)申请日2019.03.28(71)申请人鲁东大学地址264025山东省烟台市芝罘区红旗中路186号(72)发明人岳峻魏丽冉贾世祥李振波张志旺寇光杰姚涛(74)专利代理机构北京路浩知识产权代理有限公司11002代理人王庆龙周永君(51)Int.Cl.G06F3/0481(2013.01)G06K9/00(2006.01)G06N3/08(2006.01)G06N3/04(2006.01)权利要求书2页说明书6页附图1页(54)发明名称人体行为识别方法及装置(57)摘要本发明实施例提供一种人体行为识别方法及装置，其中方法包括：提供图形用户界面GUI，GUI用于展示控制面板和显示面板，控制面板中包括加载网络按钮、加载图像按钮以及识别按钮，显示面板用于显示待识别的图像和行为识别结果；若监测到触发加载网络按钮，则加载预先训练的GoogLeNet模型；若在加载GoogLeNet模型后，监测到触发加载图像按钮，则在接收到待识别的图像后，将图像显示在显示面板中；若图像显示在显示面板后，监测到触发识别按钮，则将待识别的图像输入至GoogLeNet模型，输出行为识别结果，将行为识别结果显示在显示面板中。本发明实施例构建GUI能够更直观地展示人体行为识别的过程，并且在应用时只需加载一次模型即可实现重复识别的目的。CN109992171ACN109992171A权利要求书1/2页1.一种人体行为识别方法，其特征在于，包括：提供图形用户界面GUI，所述GUI用于展示控制面板和显示面板，所述控制面板中包括加载网络按钮、加载图像按钮以及识别按钮，所述显示面板用于显示待识别的图像和行为识别结果；若监测到触发所述加载网络按钮，则加载预先训练的GoogLeNet模型；若在加载所述GoogLeNet模型后，监测到触发所述加载图像按钮，则在接收到待识别的图像后，将所述图像显示在所述显示面板中；若所述图像显示在所述显示面板后，监测到触发所述识别按钮，则将所述待识别的图像输入至所述GoogLeNet模型，输出行为识别结果，将所述行为识别结果显示在所述显示面板中；其中，所述GoogLeNet模型通过样本图像以及所述样本图像的行为标签训练而成。2.根据权利要求1所述的方法，其特征在于，所述GoogLeNet模型中的Softmax分类层的维度为1*1*n，n表示行为识别结果的种类；所述Softmax分类层之后还连接分类输出层，所述分类输出层用于输入大小为1*1*n的特征图，输出行为识别结果。3.根据权利要求2所述的方法，其特征在于，所述GoogLeNet模型还包括：第一卷积层，用于输入为224*224像素的待识别的图像，输出大小为112*112*64的第一特征图；第一池化层，用于输入所述第一特征图，输出大小为56*56*64的第二特征图；第二卷积层，用于输入所述第二特征图，输出大小为56*56*192的第三特征图；第二池化层，用于输入所述第三特征图，输出大小为28*28*192的第四特征图；第一inception模块，用于输入所述第四特征图，输出大小为28*28*480的第五特征图；第三池化层，用于输入所述第五特征图，输出大小为14*14*480的第六特征图；第二inception模块，用于输入所述第六特征图，输出大小为14*14*832的第七特征图；第四池化层，用于输入所述第七特征图，输出大小为7*7*832的第八特征图；第三inception模块，用于输入所述第八特征图，输出大小为7*7*1024的第九特征图；第五池化层，用于输入所述第九特征图，输出大小为1*1*1024的第十特征图；全连接层，用于输入所述第十特征图，输出大小为1*1*1000的第十一特征图；所述全连接层的输出端与所述Softmax分类层的输入端连接。4.根据权利要求2所述的方法，其特征在于，根据迁移学习的方法对所述GoogLeNet模型进行训练。5.一种人体行为识别装置，其特征在于，包括：GUI模块，用于提供图形用户界面GUI，所述GUI用于展示控制面板和显示面板，所述控制面板中包括加载网络按钮、加载图像按钮以及识别按钮，所述显示面板用于显示待识别的图像和行为识别结果；图像加载模块，用于若监测到触发所述加载网络按钮，则加载预先训练的GoogLeNet模型；若在加载所述GoogLeNet模型后，监测到触发所述加载图像按钮，则在接收到待识别的图像后，将所述图像显示在所述显示面板中；输出模块，用于若所述图像显示在所述显示面板后，监测到触发所述识别按钮，则将所2CN109992171A权利要求书2/2页述待识别的图像输入至所述G