【技术实现步骤摘要】
一种基于层级多视角的自监督动作识别方法及装置
[0001]本专利技术属于动作识别
,具体涉及一种基于层级多视角的自监督动作识别方法及装置。
技术介绍
[0002]动作识别作为计算机视觉子任务之一,出现在众多计算机视觉应用场景中,广泛应用于视频监控、人机交互、虚拟现实等诸多领域,对社会智能化发展起到了不可或缺的作用。
[0003]动作识别目的一般是在一段切割好的视频片段中识别出其中人物所做的动作类别。传统深度学习动作识别方法通过将大量视频及其标签输入模型提取特征,然后根据特征预测分类并与真实标签对比进而优化模型。其数据源的格式一般包括普通RGB视频、深度图视频以及人体关键点坐标组成的骨架序列形式的视频。骨架序列相较于其他数据源信息更紧凑、冗余量少,在视点和外观的变化方面具有较好的鲁棒性。
[0004]传统上,基于深度学习的骨架序列动作识别方法都依赖于大量的标签数据,然而这种标签数据是非常昂贵的,需要耗费大量的人力物力。自监督方法可以自动构建监督信号,挖掘数据中潜在的特征信息用于下游各项任务,有效减少成本消耗。现在基于骨架序列的自监督方法研究主要有生成式和判别式两类。生成式方法主要通过重建原始数据或某个属性来挖掘其内在特征,判别式方法主要是通过对比学习等技术以达到特征聚类的目的。
[0005]目前自监督方法特别是以对比学习为代表的判别式方法在基于骨架序列的动作识别研究领域还处于不成熟阶段,现有方法存在以下一些不足:
[0006]其一、骨架序列数据一般是包括时序和空间两个方面的信息,现 ...
【技术保护点】
【技术特征摘要】
1.一种基于层级多视角的自监督动作识别方法,其特征在于,包括以下步骤:S1,对原始的无标签的骨架序列进行预处理,得到视角归一化骨架序列;S2,将视角归一化骨架序列经过两个随机的同族数据增强,得到增强骨架序列;S3,将增强骨架序列分别输入到query编码器、key编码器进行编码,分别得到对应的时空特征,各个时空特征均包含原始的无标签的骨架序列的时间特征和空间特征;S4,将步骤S3得到的时空特征均进行对比损失计算,并对步骤S3得到的原始的无标签的骨架序列的时间特征和空间特征均进行一致性损失计算,并将对比损失和一致性损失计算结果相加,得到总损失函数;S5,使用总损失函数,以端对端的方式进行自监督学习,构建预训练模型;S6,使用预训练模型中的query编码器,并在query编码器后加入一个由全连接层组成的分类器,得到由编码器和分类器构成的下游动作识别任务训练模型;S7,将带标签的骨架序列输入到所述下游动作识别任务训练模型中,使用下游动作识别任务训练模型中的编码器从带标签的骨架数据中提取特征,将提取的特征通过分类器进行分类,将分类的结果用交叉熵损失函数进行端到端的训练,构建动作识别模型;S8,使用动作识别模型进行动作识别。2.根据权利要求1所述的基于层级多视角的自监督动作识别方法,其特征在于,在所述步骤S1具体包括以下步骤:S11,将所有原始的无标签的骨架序列修剪为统一的固定长度,得到原始统一固定长度骨架序列;S12,先对每帧中原始统一固定长度骨架序列的进行移动,使定义的原始统一固定长度骨架序列中心位于坐标系原点,然后旋转原始统一固定长度骨架序列,使人体脊柱平行于三维坐标系的Z轴以及肩膀平行于三维坐标系的X轴,得到视角归一化骨架序列。3.根据权利要求1所述的基于层级多视角的自监督动作识别方法,其特征在于,所述步骤S2具体包括以下步骤:使用不同随机数对视角归一化骨架序列进行两次数据增强,每次数据增强包括空间增强和时间增强;其中,空间增强包括姿态增强和节点抖动,姿态增强随机改变坐标系下视角归一化骨架序列的视点以及定义的观测位置间的距离,而节点抖动是将节点随机移动到原位置附近一定范围内的某点,但不改变原有的拓扑关系;时间增强是先随机选择一个开始帧,然后以随机的间隔对视角归一化骨架序列进行采样。4.根据权利要求1所述的基于层级多视角的自监督动作识别方法,其特征在于,所述步骤S3中query编码器和key编码器获得时空特征中原始的无标签的骨架序列的时间特征均具体包括以下步骤:S31,对增强骨架序列重组得到不同视角下的骨架数据,得到增强骨架序列的帧视角和节点视角形式,其中,帧视角是增强骨架序列中单帧骨架所有信息为序列元素,而节点视角是增强骨架序列中单个节点所有信息为序列元素;S32,先提取序列元素中存在的时间特征,将帧视角通过全连接层将低维数据映射到高维嵌入空间,分离笼统的特征,得到帧视角嵌入层特征;
S33,通过视角生成模块对帧视角嵌入层特征进行重组而得到第一级的片段视角,其中,视角生成模块包括一维卷积神经网络、层归一化、线性整流激活函数和一维最大池化,并使用视角生成模块对第一级的片段视...
【专利技术属性】
技术研发人员:董建锋,孙圣凯,陈书界,王勋,刘宝龙,蔡佳航,杨文武,
申请(专利权)人:浙江工商大学,
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。