【技术实现步骤摘要】
动作识别方法、装置、电子设备及计算机可读存储介质
[0001]本申请涉及计算机
,尤其涉及动作识别方法、装置、电子设备及计算机可读存储介质。
技术介绍
[0002]人体骨架动作识别通常是指通过深度摄像头如微软Kinect或先进的人体姿态估计算法如OpenPose得到的人体骨架数据作为输入,再使用深度学习算法进行分类识别。人体骨架动作识别可以应用于社会治安、安全监控、智能家居和日常娱乐方面,具有广阔的研究前景。
[0003]现有技术精度不高,动作识别效果不佳。基于此,本申请提供了动作识别方法、装置、电子设备及计算机可读存储介质,以改进现有技术。
技术实现思路
[0004]本申请的目的在于提供动作识别方法、装置、电子设备及计算机可读存储介质,该方法克服了传统骨架动作识别的缺陷,识别精度提高,识别效果好。
[0005]本申请的目的采用以下技术方案实现:
[0006]第一方面,本申请提供了一种动作识别方法,用于对人体骨架进行动作识别,所述方法包括:
[0007]将待测数据流输入至动作识别模型,以得到所述待测数据流的动作识别结果,所述待测数据流包括样本骨架数据流和预设运动数据流,所述待测数据流的动作识别结果用于指示所述待测数据流对应的至少一个动作类型;
[0008]其中,所述动作识别模型的训练过程包括:
[0009]获取训练集,所述训练集包括多个训练数据,每个所述训练数据包括至少一个样本数据流以及所述样本数据流的动作识别结果的标注数据,所述样本数据流的动作识 ...
【技术保护点】
【技术特征摘要】
1.一种动作识别方法,其特征在于,用于对人体骨架进行动作识别,所述方法包括:将待测数据流输入至动作识别模型,以得到所述待测数据流的动作识别结果,所述待测数据流包括样本骨架数据流和预设运动数据流,所述待测数据流的动作识别结果用于指示所述待测数据流对应的至少一个动作类型;其中,所述动作识别模型的训练过程包括:获取训练集,所述训练集包括多个训练数据,每个所述训练数据包括至少一个样本数据流以及所述样本数据流的动作识别结果的标注数据,所述样本数据流的动作识别结果用于指示所述样本数据流对应的至少一个动作类型;针对所述训练集中的每个训练数据,执行以下处理:将所述训练数据中的样本数据流输入预设的深度学习模型,以得到所述样本数据流的动作识别结果的预测数据;基于所述样本数据流的动作识别结果的预测数据和标注数据,对所述深度学习模型的模型参数进行更新;检测是否满足预设的训练结束条件;如果是,则将训练出的所述深度学习模型作为所述动作识别模型;如果否,则利用下一个所述训练数据继续训练所述深度学习模型。2.根据权利要求1所述的动作识别方法,其特征在于,所述获取训练集,包括:利用录制设备获取多个样本骨架数据流;对多个所述样本骨架数据流执行数据预处理,以去除多个所述样本骨架数据流中的录制失败和/或录制质量差的所述样本骨架数据流;将预处理后的多个所述样本骨架数据流和所述预设运动数据流制作成压缩文件作为所述训练集。3.根据权利要求1所述的动作识别方法,其特征在于,所述深度学习模型包括浅层特征提取网络、第一时空融合模块、第二时空融合模块和深层特征提取网络;所述将所述训练数据中的样本数据流输入预设的深度学习模型,以得到所述样本数据流的动作识别结果的预测数据,包括:利用所述浅层特征提取网络对所述样本骨架数据流和所述预设运动数据流进行浅层特征提取以得到骨架特征信息和运动特征信息;利用所述第一时空融合模块对所述骨架特征信息和所述运动特征信息进行第一时空融合以得到骨架
‑
运动融合数据流和运动
‑
骨架融合数据流;利用所述深层特征提取网络对所述骨架
‑
运动融合数据流进行深层特征提取以得到第一融合特征信息;利用所述深层特征提取网络对所述运动
‑
骨架融合数据流进行深层特征提取以得到第二融合特征信息;利用所述第二时空融合模块对所述第一融合特征信息和第二融合特征信息进行融合以得到所述骨架数据流的动作识别结果的预测数据。4.根据权利要求3所述的动作识别方法,其特征在于,获取所述骨架
‑
运动融合数据流的过程包括:对所述骨架特征信息进行降采样以得到低维骨架数据;基于所述低维骨架数据、第一激活函数获取第一自注意力权重;
基于所述骨架特征信息、所述第一自注意力权重和所述运动特征信息,获取所述骨架
‑
运动融合数据流;获取所述运动
‑
骨架融合数据流的过程包括:对所述运动特征信息进行降采样以得到低维运动数据;基于所述低维运动数据和第二激活函数获取第二自注意力权重;基于所述运动特征信息、所述第二自注意力权重和所述骨架特征信息,获取所述运动
‑
骨架融合数据流。5.根据权利要求4所述的动作识别方法,其特征在于,所述深层特征提取网络包括多个CNN层和多个Transformer层;所述利用所述深层特征提取网...
【专利技术属性】
技术研发人员:鲍文霞,王钧毅,陈和木,王年,林安,高秋月,
申请(专利权)人:安徽医科大学第一附属医院,
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。