动作行为的识别方法、装置和服务器制造方法及图纸

本说明书提供了动作行为的识别方法、装置和服务器，应用于人工智能技术领域。基于上述方法，具体实施前，可以预先训练得到至少包括通过预设连接并联的第一分支网络和第二分支网络的预设的动作行为识别模型。具体实施时，可以利用预设的动作行为识别模型处理所获取的目标视频，以得到目标识别结果；再根据目标识别结果，确定目标对象动作行为的细粒度识别结果。从而可以通过有效利用粗粒度行为识别时得到的第一类视频特征，与细粒度行为识别时得到的第二类视频特征进行融合；并根据融合后的视频特征进行较为精细的细粒度识别，得到精度较高的细粒度识别结果，进而可以精准地检测判断该目标对象的动作行为是否存在风险，减少检测误差。测误差。测误差。

【技术实现步骤摘要】
动作行为的识别方法、装置和服务器


[0001]本说明书属于人工智能
，尤其涉及动作行为的识别方法、装置和服务器。

技术介绍

[0002]在许多业务场景中，常常需要对视频中的人物对象的动作行为进行检测识别。
[0003]但是，基于现有方法对人物对象的动作行为的识别精度往往较低，误差相对较大，无法对视频中的人物对象的动作行为精准地进行细粒度行为识别。
[0004]针对上述问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本说明书提供了一种动作行为的识别方法、装置和服务器，可以通过有效利用粗粒度行为识别时得到的第一类视频特征，与细粒度行为识别时得到的第二类视频特征进行融合；并根据融合后的视频特征进行较为精细的细粒度识别，得到精度较高的细粒度识别结果。
[0006]本说明书提供了一种动作行为的识别方法，包括：
[0007]获取目标视频；其中，所述目标视频包含有目标对象的动作影像；
[0008]利用预设的动作行为识别模型处理目标视频，得到对应的目标识别结果；其中，预设的动作行为识别本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种动作行为的识别方法，其特征在于，包括：获取目标视频；其中，所述目标视频包含有目标对象的动作影像；利用预设的动作行为识别模型处理目标视频，得到对应的目标识别结果；其中，预设的动作行为识别模型至少包括并联的第一分支网络和第二分支网络；所述第一分支网络与第二分支网络通过预设连接相连；所述第一分支网络用于进行粗粒度行为识别；所述第一分支网络在进行粗粒度行为识别时所生成的第一类视频特征通过预设连接流入第二分支网络，并与第二分支网络生成的第二类视频特征融合，以进行细粒度行为识别；根据目标识别结果，确定出目标对象动作行为的细粒度识别结果。2.根据权利要求1所述的方法，其特征在于，在根据目标识别结果，确定出目标对象动作行为的细粒度识别结果之后，所述方法还包括：根据目标对象动作行为的细粒度识别结果，检测目标对象的动作行为是否存在风险。3.根据权利要求1所述的方法，其特征在于，所述目标识别结果还包括目标对象动作行为的粗粒度识别结果。4.根据权利要求3所述的方法，其特征在于，在根据目标识别结果，确定出目标对象的粗粒度行为和细粒度行为之后，所述方法还包括：根据目标对象动作行为的粗粒度识别结果和细粒度识别结果，检测目标对象的动作行为是否存在风险。5.根据权利要求2或4所述的方法，其特征在于，在根据目标对象动作行为的粗粒度识别结果和细粒度识别结果，检测目标对象的动作行为是否存在风险之后，所述方法还包括：在确定目标对象的动作行为存在风险的情况下，生成关于目标对象的风险提示。6.根据权利要求1所述的方法，其特征在于，所述预设的动作行为识别模型包括基于双流网络思想的神经网络模型。7.根据权利要求6所述的方法，其特征在于，所述第二分支网络至少包括融合模块，其中，所述融合模块用于融合第一类视频特征和第二类视频特征。8.根据权利要求7所述的方法，其特征在于，利用预设的动作行为识别模型处理目标视频，包括：利用第一分支网络处理目标视频，以提取出第一类视频特征；利用第二分支网络处理目标视频，以提取出第二类视屏特征；并利用融合模块融合第一类视频特征和第二类视频特征，得到融合后的视频特征；利用第二分支网络处理融合后的视频特征，以得到目标对象动作行为的细粒度识别结果。9.根据权利要求4所述的方法，其特征在于...

【专利技术属性】
技术研发人员：杨文涛，黄亚峰，张舒莹，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：