【技术实现步骤摘要】
一种行为识别方法、装置及终端设备
本专利技术属于行为识别
,尤其涉及一种行为识别方法、装置及终端设备。
技术介绍
人体行为识别作为计算机视觉的一个重要研究分支,已经广泛应用于视频监控、视频分析、人机交互等方面。目前,人体行为识别的实际应用场景越来越复杂,且对人体行为识别的精度和准确率要求越来越高,传统的手工特征设计方法已经不能满足实际应用中对识别准确度的需求。虽然深度学习方法的出现提高了行为识别的准确度,但对于单一模态(RGB模态或者深度模态),则会因背景杂乱、遮挡摄像头移动和光线变化等外在因素而降低行为识别的准确率,因而,有必要提高单一模态中的行为识别准确率。
技术实现思路
有鉴于此,本专利技术实施例提供了一种行为识别方法、装置及终端设备,以解决现有RGB模态或深度态等单一模态中的行为识别准确率不高的问题。本专利技术实施例的第一方面提供了一种行为识别方法,包括:一种行为识别方法,其特征在于,所述行为识别方法包括:获取待检测行为的视频流,所述待检测行为的视频流包括RGB视频流和深度视频流;基于视频帧的排序关系,分别对所述RGB视频流和所述深度视频流进行双向压缩排序,得到所述RGB视频流对应的图像和所述深度视频对应的图像;将所述RGB视频流对应的图像输入至第一卷积神经网络进行特征学习,得到所述RGB视频流对应的行为预测结果;将所述深度视频流对应的图像输入至第二卷积神经网络进行特征学习,得到所述深度视频流对应的行为预测结果;基于将所 ...
【技术保护点】
1.一种行为识别方法,其特征在于,所述行为识别方法包括:/n获取待检测行为的视频流,所述待检测行为的视频流包括RGB视频流和深度视频流;/n基于视频帧的排序关系,分别对所述RGB视频流和所述深度视频流进行双向压缩排序,得到所述RGB视频流对应的图像和所述深度视频对应的图像;/n将所述RGB视频流对应的图像输入至第一卷积神经网络进行特征学习,得到所述RGB视频流对应的行为预测结果;/n将所述深度视频流对应的图像输入至第二卷积神经网络进行特征学习,得到所述深度视频流对应的行为预测结果;/n基于将所述RGB视频流对应的行为预测结果和所述深度视频流对应的行为预测结果,确定所述待检测行为的最终行为预测结果。/n
【技术特征摘要】
1.一种行为识别方法,其特征在于,所述行为识别方法包括:
获取待检测行为的视频流,所述待检测行为的视频流包括RGB视频流和深度视频流;
基于视频帧的排序关系,分别对所述RGB视频流和所述深度视频流进行双向压缩排序,得到所述RGB视频流对应的图像和所述深度视频对应的图像;
将所述RGB视频流对应的图像输入至第一卷积神经网络进行特征学习,得到所述RGB视频流对应的行为预测结果;
将所述深度视频流对应的图像输入至第二卷积神经网络进行特征学习,得到所述深度视频流对应的行为预测结果;
基于将所述RGB视频流对应的行为预测结果和所述深度视频流对应的行为预测结果,确定所述待检测行为的最终行为预测结果。
2.如权利要求1所述的行为识别方法,其特征在于,所述双向压缩排序包括前向压缩排序和反向压缩排序,所述前向压缩排序为按照视频流的正向时间顺序对视频流中的所有视频帧进行压缩排序,所述反向压缩排序为按照视频流的反向时间顺序对视频流中的所有视频帧进行压缩排序。
3.如权利要求2所述的行为识别方法,其特征在于,所述基于视频帧的排序关系,分别对所述RGB视频流和所述深度视频流进行双向压缩排序,得到所述RGB视频流对应的图像和所述深度视频对应的图像的步骤,包括:
对所述RGB视频流进行前向压缩排序,得到所述RGB视频流对应的一张图像,即第一前向压缩图像;
对所述RGB视频流进行反向压缩排序,得到所述RGB视频流对应的另一张图像,即第一反向压缩图像;
对所述深度视频流进行前向压缩排序,得到所述深度视频流对应的一张图像,即第二前向压缩图像;
对所述深度视频流进行反向压缩排序,得到所述深度视频流对应的另一张图像,即第二反向压缩图像。
4.如权利要求3所述的行为识别方法,其特征在于,所述第一前向压缩图像、所述第一反向压缩图像、所述第二前向压缩图像和所述第二反向压缩图像中均包含有所述待检测行为的视频流中的每一帧视频帧的时间维度信息和空间维度信息。
5.如权利要求1所述的行为识别方法,其特征在于,在所述基于视频帧的排序关系,分别对所述RGB视频流和所述深度视频流进行双向压缩排序,得到所述RGB视频流对应的图像和所述深度视频对应的图像的步骤中,包括:
提取视频流中的视频帧的第一特征向量;
按照预设的特征向量计算公式,根据所述第一特征向量计算每个时间节点的第二特征向量;
基于视频帧的排序关系,根据所述第二特征向量和优化求解函数,计算得到若干个第一参数特征向量;
通过预设的映射函数,对若干个所述第一...
【专利技术属性】
技术研发人员:任子良,程俊,张锲石,高向阳,
申请(专利权)人:中国科学院深圳先进技术研究院,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。