買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉合肥學(xué)院申請(qǐng)的專利一種基于一致性半監(jiān)督深度學(xué)習(xí)的人體行為識(shí)別方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN115188022B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-12發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202210762539.5，技術(shù)領(lǐng)域涉及：G06V40/10；該發(fā)明授權(quán)一種基于一致性半監(jiān)督深度學(xué)習(xí)的人體行為識(shí)別方法是由唐超;童安煬設(shè)計(jì)研發(fā)完成，并于2022-06-30向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于一致性半監(jiān)督深度學(xué)習(xí)的人體行為識(shí)別方法在說明書摘要公布了：本發(fā)明公開了一種基于一致性半監(jiān)督深度學(xué)習(xí)的人體行為識(shí)別方法，涉及計(jì)算機(jī)視覺領(lǐng)域；包括：獲取有標(biāo)簽的視頻集X以及無標(biāo)記視頻集U，建立訓(xùn)練數(shù)據(jù)樣本集；對(duì)訓(xùn)練數(shù)據(jù)樣本集，進(jìn)行視頻數(shù)據(jù)增強(qiáng)處理；搭建改進(jìn)的3D?Resnet18網(wǎng)絡(luò)，構(gòu)建損失函數(shù)，基于損失函數(shù)，利用訓(xùn)練數(shù)據(jù)樣本集對(duì)改進(jìn)的3D?Resnet18網(wǎng)絡(luò)進(jìn)行訓(xùn)練，利用優(yōu)化好的改進(jìn)的3D?Resnet18網(wǎng)絡(luò)識(shí)別視頻中的人體行為；本發(fā)明利用這種人體行為識(shí)別方法解決現(xiàn)有人體行為識(shí)別方法缺乏有效的數(shù)據(jù)增強(qiáng)方法而發(fā)展相對(duì)緩慢的問題；以及現(xiàn)有人體行為識(shí)別方法沒有探索視頻中動(dòng)作在時(shí)序上的關(guān)聯(lián)性，導(dǎo)致訓(xùn)練出的模型魯棒性不高的問題。

本發(fā)明授權(quán)一種基于一致性半監(jiān)督深度學(xué)習(xí)的人體行為識(shí)別方法在權(quán)利要求書中公布了：1.一種基于一致性半監(jiān)督深度學(xué)習(xí)的人體行為識(shí)別方法，其特征在于，包括以下步驟： 1獲取有標(biāo)簽的視頻集X以及無標(biāo)記視頻集U，分別從X、U中獲取小批量的頻集X'、U'作為訓(xùn)練數(shù)據(jù)樣本集； 2對(duì)訓(xùn)練數(shù)據(jù)樣本集進(jìn)行視頻數(shù)據(jù)增強(qiáng)處理，包括視頻數(shù)據(jù)空間增強(qiáng)和視頻數(shù)據(jù)時(shí)序增強(qiáng)； 3搭建改進(jìn)3D-Resnet18網(wǎng)絡(luò)，改進(jìn)3D-Resnet18網(wǎng)絡(luò)包括17層卷積層和一層全連接層； 4構(gòu)建損失函數(shù)L1＝Ls；其中，損失函數(shù)Ls為監(jiān)督信號(hào)，用于計(jì)算真實(shí)標(biāo)簽和預(yù)測(cè)概率之間的交叉熵?fù)p失； 5加載初始化網(wǎng)絡(luò)參數(shù)的改進(jìn)3D-Resnet18網(wǎng)絡(luò)，基于損失函數(shù)Ls，利用訓(xùn)練數(shù)據(jù)樣本集X'對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，計(jì)算Ls的損失值，即損失函數(shù)L1的損失值，第一次的損失值作為初始損失值，將當(dāng)前的損失值與上一次的損失值做比較，如果當(dāng)前損失值小于上一次的損失值，使用隨機(jī)梯度下降算法更新網(wǎng)絡(luò)參數(shù)，重復(fù)優(yōu)化過程，直到損失值不再下降時(shí)，網(wǎng)絡(luò)達(dá)到了當(dāng)前迭代下的擬合，得到優(yōu)化好的改進(jìn)3D-Resnet18網(wǎng)絡(luò)； 6構(gòu)建損失函數(shù)L2＝Ls+λdLd；其中，損失函數(shù)Ld為時(shí)序信號(hào)，用于計(jì)算視頻數(shù)據(jù)時(shí)序增強(qiáng)后動(dòng)作預(yù)測(cè)之間的詹森香濃熵散度；λd為時(shí)序信號(hào)Ld的權(quán)重； 7加載步驟5中優(yōu)化好的改進(jìn)3D-Resnet18網(wǎng)絡(luò)； 基于損失函數(shù)Ls，利用訓(xùn)練數(shù)據(jù)樣本集X'對(duì)改進(jìn)的3D-Resnet18網(wǎng)絡(luò)進(jìn)行訓(xùn)練，計(jì)算Ls的損失值； 基于損失函數(shù)Ld，利用訓(xùn)練數(shù)據(jù)樣本集X'，U'對(duì)改進(jìn)3D-Resnet18網(wǎng)絡(luò)進(jìn)行訓(xùn)練，計(jì)算Ld的損失值； 根據(jù)步驟6中構(gòu)建的損失函數(shù)，計(jì)算L2的損失值，將L2第一次的損失值作為初始損失值，將當(dāng)前L2損失值與上一次L2損失值做比較，如果當(dāng)前L2損失值小于上一次L2損失值，使用隨機(jī)梯度下降算法更新網(wǎng)絡(luò)參數(shù)，直到L2損失值不再下降時(shí)，模型達(dá)到了當(dāng)前迭代下的擬合，得到優(yōu)化好的改進(jìn)的3D-Resnet18網(wǎng)絡(luò)； 8構(gòu)建損失函數(shù)L＝Ls+λuLu+λdLd，其中，Lu為偽監(jiān)督信號(hào)，用于計(jì)算未標(biāo)記樣本的視頻數(shù)據(jù)空間增強(qiáng)預(yù)測(cè)類別和視頻數(shù)據(jù)時(shí)序增強(qiáng)預(yù)測(cè)概率之間的交叉熵?fù)p失，λu為偽監(jiān)督信號(hào)Lu的權(quán)重； 9加載步驟7中優(yōu)化好的改進(jìn)3D-Resnet18網(wǎng)絡(luò)； 基于損失函數(shù)Ls，利用訓(xùn)練數(shù)據(jù)樣本集X'改進(jìn)3D-Resnet18網(wǎng)絡(luò)進(jìn)行訓(xùn)練，計(jì)算Ls的損失值； 基于損失函數(shù)Lu，利用訓(xùn)練數(shù)據(jù)樣本集U'對(duì)改進(jìn)3D-Resnet18網(wǎng)絡(luò)進(jìn)行訓(xùn)練，計(jì)算Lu的損失值； 基于損失函數(shù)Ld，利用訓(xùn)練數(shù)據(jù)樣本集X'，U'對(duì)改進(jìn)3D-Resnet18網(wǎng)絡(luò)進(jìn)行訓(xùn)練，計(jì)算Ld的損失值； 根據(jù)步驟8中構(gòu)建的損失函數(shù)，計(jì)算L3的損失值，將L3第一次損失值作為初始損失值，將當(dāng)前L3的損失值與上一次L3的損失值做比較，如果當(dāng)前L3的損失值小于上一次L3的損失值，使用隨機(jī)梯度下降算法更新網(wǎng)絡(luò)參數(shù)，直到L3的損失值不再下降時(shí)，網(wǎng)絡(luò)達(dá)到了當(dāng)前迭代下的擬合，得到優(yōu)化好的改進(jìn)的3D-Resnet18網(wǎng)絡(luò)； 10加載步驟9中優(yōu)化好的改進(jìn)3D-Resnet18網(wǎng)絡(luò)對(duì)需要進(jìn)行行為識(shí)別的視頻進(jìn)行人體行為識(shí)別。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人合肥學(xué)院，其通訊地址為：230601 安徽省合肥市經(jīng)濟(jì)技術(shù)開發(fā)區(qū)錦繡大道99號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。