【技术实现步骤摘要】
一种行为识别方法、装置和存储介质
[0001]本专利技术涉及网络领域，尤其涉及一种行为识别方法、装置和存储介质。
技术介绍
[0002]当前，对于在家庭环境中的行为识别，仍主要以视频监控为主。视频监控的方案，需要运用行为识别的算法，而行为识别的算法需要基于时序序列进行分析，时序序列本身所需的算力相对单一时间戳的要高，为了优化模型，方法常常是加大网络的深度、宽度、基数，这些都需要占用更多的资源。而过大的模型会很难在边缘侧运行，只能依靠云端分析，但是云端分析不利于隐私保护，在发生数据泄露的危险情况下，用户的身份信息被完全暴露。如何在优化模型预测效果的同时保持模型的轻量级，是现有的问题之一。
技术实现思路
[0003]有鉴于此，本专利技术的主要目的在于提供一种行为识别方法、装置和存储介质。
[0004]为达到上述目的，本专利技术的技术方案是这样实现的：
[0005]本专利技术实施例提供了一种行为识别方法，所述方法包括：
[0006]获取待检测数据；所述待检测数据为三维点云数据；
[0...
【技术保护点】
【技术特征摘要】
1.一种行为识别方法，其特征在于，所述方法包括：获取待检测数据；所述待检测数据为三维点云数据；运用预设的行为识别模型识别所述待检测数据，得到行为结果；所述行为识别模型基于神经网络训练得到；所述神经网络采用基于空间注意力层和通道注意力层的块，以及，用于捕获不同方向的上下文的矩形池化层。2.根据权利要求1所述的方法，其特征在于，所述运用预设的行为识别模型识别所述待检测数据，得到行为结果，包括：根据所述待检测数据，获取第一三维时空序列和第二三维时空序列；所述第一三维时空序列包括水平方向热力图和所述水平方向热力图对应的时间维度；所述第二三维时空序列包括垂直方向热力图和所述垂直方向热力图对应的时间维度；根据所述第一三维时空序列提取第一方向特征，根据所述第二三维时空序列提取第二方向特征；将所述第一方向特征和所述第二方向特征融合，得到目标特征；对所述目标样本特征进行解码预测，得到N个骨骼节点的三维位置；N大于等于1；基于所述N个骨骼节点的三维位置，得到所述行为结果。3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：生成预设的行为识别模型；所述生成预设的行为识别模型，包括：获取训练样本集；所述训练样本集包括：至少一个训练样本和每个所述训练样本对应的行为标签；所述训练样本为三维点云样本数据。根据所述至少一个训练样本和每个所述训练样本对应的行为标签，对所述神经网络进行训练，得到所述行为识别模型。4.根据权利要求3所述的方法，其特征在于，所述根据所述至少一个训练样本和每个所述训练样本对应的行为标签，对所述神经网络进行训练，包括：获取三维点云样本数据；所述三维点云样本数据，包括：第一样本三维时空序列和第二样本三维时空序列；所述第一样本三维时空序列包括样本水平方向热力图和所述样本水平方向热力图对应的时间维度；所述第二样本三维时空序列包括样本垂直方向热力图和所述样本垂直方向热力图对应的时间维度；基于所述第一样本三维时空序列、所述第二样本三维时空序列和所述三维点云样本数据对应的行为标签，对所述神经网络进行训练。5.根据权利要求4所述的方法，其特征在于，所述神经网络，包括：第一神经网络部分、第二神经网络部分和全连接层；所述基于所述第一样本三维时空序列、所述第二样本三维时空序列和所述三维点云样本数据对应的行为标签，对所述神经网络进行训练，包括：第一神经网络部分根据所述第一样本三维时空序列提取第一样本方向特征；第二神经网络部分根据所述第二样本三维时空序列提取第二样本方向特征；将所述第一样本方向特征和所述第二样本方向特征融合，得到目标样本特征；使用所述全连接层对所述目标样本特征进行解码预测，得到N个骨骼节点的样本三维位置；基于所述N个骨骼节点的样本三维位置得到样本预测结果；比较所述样本预测结果和所述三维点云样本数据对应的行为标签，基于比较结果优化
所述神经网络。6.一种行为识别装置，其特征在于，所述装...
【专利技术属性】
技术研发人员：王晴，王凯，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：
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。