【技术实现步骤摘要】
人体行为识别方法、装置、电子设备及可读存储介质
[0001]本专利技术涉及计算机视觉
，尤其涉及一种人体行为识别方法、装置、电子设备及可读存储介质。
技术介绍
[0002]随着计算机视觉技术的发展，视频人体行为识别技术已经在各领域得到了广泛的应用。视频人体行为识别技术作为智能视频分析中的重要一环，是指对一段视频中人体目标所做的动作进行分类，进而识别出人体行为类型的技术。视频人体行为识别技术作为目前视频分析与理解中的热门研究课题,在人机交互、自动驾驶、智能监控、安防以及运动分析等方面具有广阔的应用前景。
[0003]视频人体行为识别算法的核心在于提取视频中人体的动态特征。在实际应用中，为了便于视频的传输和存储，互联网上的视频大都经过了压缩编码处理，因此需要对压缩视频进行解码进而提取人体的动态特征。
[0004]然而，在相关技术中，从压缩视频中提取到的人体动态特征不能够充分的反映视频中的动态信息，从而导致对视频人体行为进行识别的准确率较低。
技术实现思路
[0005]针对现有技术存在的问题，...
【技术保护点】
【技术特征摘要】
1.一种人体行为识别方法，其特征在于，包括：从压缩视频数据中提取压缩域信息，其中，所述压缩域信息中包括多个I帧、残差以及运动矢量，所述I帧与所述残差之间具有对应关系；将各所述I帧及各目标残差所对应的深层特征进行融合处理，得到各所述I帧对应的局部时空特征，其中，所述目标残差为所述I帧对应的残差；将相邻两个所述局部时空特征进行融合处理，得到所述压缩视频数据对应的全局时空特征；基于所述全局时空特征、所述运动矢量及所述残差，确定所述压缩视频数据对应的目标特征，并基于所述目标特征确定所述压缩视频数据对应的人体行为识别结果。2.根据权利要求1所述的人体行为识别方法，其特征在于，所述从压缩视频数据中提取压缩域信息，包括：将所述压缩视频数据进行熵解码，得到所述压缩域中的运动矢量以及所述压缩域中每个宏块对应的离散余弦变换系数；将所述离散余弦变换系数进行反离散余弦变换，得到所述压缩域中每个视频帧对应的残差；识别各目标宏块，并将各所述目标宏块进行环路滤波处理，得到所述I帧，其中，所述目标宏块为所述I帧对应的宏块。3.根据权利要求1或2所述的人体行为识别方法，其特征在于，在所述从压缩视频数据中提取压缩域信息之后，所述方法还包括：对所述压缩域信息进行预处理，得到预处理后的压缩域信息。4.根据权利要求1所述的人体行为识别方法，其特征在于，所述将各所述I帧及各目标残差所对应的深层特征进行融合处理，得到各所述I帧对应的局部时空特征，包括：针对每一个所述I帧及对应的目标残差，将所述I帧输入至第一网络模型，得到所述I帧对应的第一浅层特征；将所述目标残差输入至第二网络模型，得到所述目标残差对应的第二浅层特征，其中，所述第一网络模型和所述第二网络模型包括单个卷积层，单个卷积层包括二维卷积层、池化层及批归一化层；将所述第一浅层特征和所述第二浅层特征进行融合处理，得到所述I帧及所述目标残差对应的融合特征；将所述融合特征输入至第三网络模型，得到所述I帧对应的第一深层特征；将所述第二浅层特征输入至第四网络模型，得到所述目标残差对应的第二深层特征，其中，所述第三网络模型和所述第四网络模型包括多个卷积层，每个卷积层包括二维卷积层、池化层及批归一化层；将所述第一深层特征及所述第二深层特征进行融合处理，得到所述I帧对应的所述局部时空特征。5.根据权利要求1所述的人体行为识别方法，其特征在于，所述将相邻两个所述局部时空特征进行融合处理，得到所述压缩视频数据对应的全局时空特征，包括：对各所述I帧对应的局部时空特征进行特征增强处理，得到各所述I帧对应的目标局部时空增强特征；将相邻两个所述目标局部时空增强特征进行融合处理，得到所述压缩视频数据对应的全局时空特征。
6.根据权利要求5所述的人体行为识别方法，其特征在于...
【专利技术属性】
技术研发人员：罗冠，关俊洋，刘雨帆，李兵，胡卫明，
申请(专利权)人：中国科学院自动化研究所，
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。