Videoklassifizierung

Durchführen einer Video-Klassifizierung und Aktivitätserkennung mithilfe von Deep Learning

Sie können die Aktivitäten oder Aktionen in einer Bildersequenz aus visuellen Datenquellen wie einem Videostream mithilfe von Deep Learning in eine Reihe von Kategorien klassifizieren. Bei der Vision-basierten Aktivitätserkennung wird die Aktion (z. B. Gehen, Schwimmen oder Sitzen) in einer Bildersequenz anhand einer Reihe von Videoframes prognostiziert. Die Aktivitätenerkennung auf Videos weist zahlreiche Anwendungen auf, wie beispielsweise im Bereich Mensch-Computer-Interaktion, Anomalieerkennung und Überwachung. Weitere Informationen finden Sie unter Getting Started with Video Classification Using Deep Learning.

Apps

Video Labeler	Label video for computer vision applications
Ground Truth Labeler	Label ground truth data for automated driving applications

Funktionen

alle erweitern

Extrahieren von Video-Trainingsdaten

`groundTruth`	Ground truth label data
`writeVideoScenes`	Write video sequence to video file (Seit R2021b)
`sceneTimeRanges`	Time ranges of scene labels from ground truth data (Seit R2021b)

Laden von Video-Trainingsdaten

`VideoReader`	Create object to read video files
`fileDatastore`	Datastore with custom file reader
`transform`	Transform datastore
`combine`	Combine data from multiple datastores
`folders2labels`	Get list of labels from folder names (Seit R2021a)
`splitlabels`	Find indices to split labels according to specified proportions (Seit R2021a)

Entwickeln eines Video-Klassifikators

`inflated3dVideoClassifier`	Inflated-3D (I3D) video classifier. Requires Computer Vision Toolbox Model for Inflated-3D Video Classification (Seit R2021b)
`slowFastVideoClassifier`	SlowFast video classifier. Requires Computer Vision Toolbox Model for SlowFast Video Classification (Seit R2021b)
`r2plus1dVideoClassifier`	R(2+1)D video classifier. Requires Computer Vision Toolbox Model for R(2+1)D Video Classification (Seit R2021b)

Trainieren eines Video-Klassifikators

`predict`	Compute video classifier predictions (Seit R2021b)
`forward`	Compute video classifier outputs for training (Seit R2021b)

Erweitern und Vorverarbeiten von Trainingsdaten

`imwarp`	Apply geometric transformation to image
`imcrop`	Crop image
`imresize`	Resize image
`randomAffine2d`	Create randomized 2-D affine transformation (Seit R2019b)
`centerCropWindow2d`	Create rectangular center cropping window (Seit R2019b)

Klassifizieren von Videos

`classifyVideoFile`	Classify a video file (Seit R2021b)
`classifySequence`	Classify video sequence (Seit R2021b)
`updateSequence`	Update video sequence for classification (Seit R2021b)
`resetSequence`	Reset video sequence properties for streaming video classification (Seit R2021b)

Visualisieren der Klassifizierungsergebnisse

`vision.VideoPlayer`	Play video or display image
`vision.DeployableVideoPlayer`	Display video
`insertText`	Insert text in image or video

Themen

Getting Started with Video Classification Using Deep Learning
Video recognition and classification, analyze, classify, and track actions contained in visual data sources.

Enthaltene Beispiele

Activity Recognition from Video and Optical Flow Data Using Deep Learning

Train an inflated-3D (I3D) two-stream convolutional neural network for activity recognition using RGB and optical flow data from videos.

Live Script öffnen

Activity Recognition Using R(2+1)D Video Classification

Train an R(2+1)D video classifier for activity recognition.

Live Script öffnen

Gesture Recognition using Videos and Deep Learning

Train a SlowFast convolutional neural network for gesture recognition using RGB data from videos.

Live Script öffnen