目标对象行为识别方法、装置、电子设备及介质制造方法及图纸

本说明书实施例提供了一种目标对象行为识别方法、装置、电子设备及介质，通过将目标对象在场景中的目标行为拆分为子行为，在此基础上，对输入视频进行采样，得到按照时间先后顺序排列的待识别图像序列，然后经过特征提取，得到特征数据序列，接着，基于特征数据序列进行子行为预测，得到输入视频中目标对象的子行为预测结果，该结果中包括待识别图像序列对应的时间段中目标对象所产生的子行为类别；再根据子行为预测结果，得到目标对象在待识别图像序列中发生的目标行为类别识别结果，有利于提高行为识别结果的准确性。高行为识别结果的准确性。高行为识别结果的准确性。

【技术实现步骤摘要】
目标对象行为识别方法、装置、电子设备及介质


[0001]本说明书实施例涉及计算机
，尤其涉及一种目标对象行为识别方法、装置、电子设备及介质。

技术介绍

[0002]现今，视频行为识别技术作为计算机视觉领域的研究热点，已经被广泛应用在了智能监控、人机交互如手势识别等众多领域。以车内行为识别场景为例，可以通过采集车内人员尤其是驾驶员的视频图像，实时分析车内人员的行为，在识别到车内人员存在危险行为时进行提醒，以尽量避免安全事故的发生，提高行驶安全性。在这个过程中，如果出现过多漏识别或误识别的情况，不仅会影响车辆安全性，还容易对用户造成不必要的打扰，影响用户体验。因此，行为识别结果的准确性尤为重要。

技术实现思路

[0003]本说明书实施例提供了一种目标对象行为识别方法、装置、电子设备及介质。
[0004]第一方面，本说明书实施例提供了一种目标对象行为识别方法，用于识别视频中目标对象的目标行为，所述目标行为被拆分为多个子行为，所述方法包括：
[0005]对输入视频进行采样，得到待识别图像序列，所述待识别图像序列包括本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标对象行为识别方法，其特征在于，用于识别视频中目标对象的目标行为，所述目标行为被拆分为多个子行为，所述方法包括：对输入视频进行采样，得到待识别图像序列，所述待识别图像序列包括按照时间先后顺序排列的多帧图像；对所述待识别图像序列进行特征提取，得到特征数据序列；基于所述特征数据序列，得到所述输入视频中目标对象的子行为预测结果，所述子行为预测结果包括：所述待识别图像序列对应的时间段中目标对象所产生的子行为类别；基于所述子行为预测结果，得到目标对象在所述待识别图像序列中发生的目标行为类别识别结果。2.根据权利要求1所述的方法，其特征在于，在得到所述目标行为类别识别结果之后，还包括：若所述识别结果为未发生所述目标行为，且所述子行为预测结果中包含所述多个子行为中的特征子行为，则按照预设步长增大采样周期，并根据增大后的采样周期重新采样待识别图像序列，对重新采样的待识别图像序列进行目标对象行为识别，得到新的目标行为类别识别结果；其中，增大后采样周期的起始时间点位于所述特征子行为对应的时间点之前，终止时间点位于增大前采样周期的终止时间点之后。3.根据权利要求1所述的方法，其特征在于，在得到所述目标行为类别识别结果之后，还包括：若所述识别结果为未发生所述目标行为，且所述子行为预测结果中不包含所述多个子行为中的特征子行为，或者，所述目标行为识别结果为发生所述目标行为，则按照当前采样周期继续进行下一周期的目标对象行为识别。4.根据权利要求1所述的方法，其特征在于，对所述待识别图像序列进行特征提取，得到特征数据序列，包括：对所述待识别图像序列中的每帧图像进行特征提取，得到一个特征图；对所述特征图进行特征提取，并对所提取的特征按照时间维度进行拆分，得到时间特征序列；将所述时间特征序列输入预先训练的循环神经网络，得到所述特征数据序列，其中，所述循环神经网络利用连接时序分类损失函数训练得到。5.根据权利要求4所述的方法，其特征在于，对所述待识别图像序列中的每帧图像进行特征提取，得到一个特征图，包括：对所述待识别图像序列中的每帧图像分别进行特征提取，得到所述每帧图像的序列特征；按照时间顺序对所得到的序列特征进行拼接，并对拼接结果进行维度转换，得到所述特征图。6.根据权利要求4所述的方法，其特征在于，所述基于所...

【专利技术属性】
技术研发人员：韦国钧，
申请(专利权)人：斑马网络技术有限公司，
类型：发明
国别省市：