动作检测方法及装置、存储介质及电子设备制造方法及图纸

本公开提供了一种动作检测方法及装置、存储介质及电子设备，涉及视频数据处理技术领域。该方法包括获取目标视频、关键帧提取模型、骨骼关键点动作检测模型和注意力动作检测模型；基于关键帧提取模型提取目标视频的关键帧；基于骨骼关键点动作检测模型得到关键帧的第一动作检测特征；基于注意力动作检测模型得到关键帧的第二动作检测特征；以及基于第一动作检测特征和第二动作检测特征得到目标视频的第三动作检测特征。本发明专利技术和现有技术相比，降低了动作检测过程中的数据处理量，节省了计算和存储开销，有效地提取了目标视频中的动作信息，提高了动作检测的效率和性能。提高了动作检测的效率和性能。提高了动作检测的效率和性能。

【技术实现步骤摘要】
动作检测方法及装置、存储介质及电子设备


[0001]本公开涉及视频数据处理
，尤其涉及一种动作检测方法及装置、存储介质及电子设备。

技术介绍

[0002]随着时代的发展，动作检测识别以其智能化在许多场景中得到了广泛的应用，动作检测也是目前视频理解方向的研究热点，因为该任务更加贴近实际的生产生活，在监控安防中有着潜在的巨大价值。但是传统的动作检测主要分为两种：1.对视频逐帧分析，然后对逐帧分析的结果进行一个证和，但是该方式对视频动作之间的空间和时序的问题进行了隔离，同时计算量大；2.通过lstm，3DCNN等方式联合建模进行分析处理，但是该方式也计算量大，同时对不同动作检测的分割节限不明确导致动作检测的准确性不高。因此，需要设计一种既能提高动作检测性能又能节省计算和存储开销的方法。
[0003]需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

[0004]本公开的目的在于提供一种动作检测方法及装置、存储介质及电子设备，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种动作检测方法，其特征在于，包括：获取目标视频、关键帧提取模型、骨骼关键点动作检测模型和注意力动作检测模型；基于所述关键帧提取模型提取所述目标视频的关键帧；基于所述骨骼关键点动作检测模型得到所述关键帧的第一动作检测特征；基于所述注意力动作检测模型得到所述关键帧的第二动作检测特征；以及基于所述第一动作检测特征和所述第二动作检测特征得到所述目标视频的第三动作检测特征。2.根据权利要求1所述的动作检测方法，其特征在于，基于所述第一动作检测特征和所述第二动作检测特征得到所述目标视频的第三动作检测特征包括：获取融合动作检测模型；基于所述第一动作检测特征和所述第二动作检测特征输入至所述融合动作检测模型，基于所述第一动作检测特征和第二动作检测特征的权重分配得到所述第三动作检测特征。3.根据权利要求1所述的动作检测方法，其特征在于，所述方法还包括：获取样本视频数据；从所述样本视频数据中提取关键对象的骨骼关键点的坐标特征、关键帧数量特征、关键对象的数量特征以及骨骼关键点的数量特征；将所述样本视频数据的关键对象的骨骼关键点的坐标特征、关键帧数量特征、关键对象的数量特征以及骨骼关键点的数量特征作为训练数据；以及将样本视频数据的动作类别作为训练标签，对基于st
‑
gcn网络模型的所述骨骼关键点动作检测模型进行训练，使所述骨骼关键点动作检测模型能够检测所述关键帧得到第一动作检测特征。4.根据权利要求1所述的动作检测方法，其特征在于，所述方法还包括：获取样本视频数据；从所述样本视频数据中提取关键帧数量特征和关键帧尺寸特征；将所述样本视频数据的关键帧数量特征和关键帧尺寸特征作为训练数据；以及将样本视频数据的动作类别作为训练标签，对基于AD
‑
net网络模型的所述注意力动作检测模型进行训练，使所述注意力动作检测模型能够检测所述关键帧得到第二动作检测特征。5.根据权利要求2所述的动作检测方法，其特征在于，所述方法还包括：获取样本视频数据；基于所述样本视频数据，由所述骨骼关键点动作检测模型得到第一动作检测特征；基于所述样本视频数据，由所述注意力动作检测模型得到第二动作检测特征；基于所述第一和第二动作检测特征的权重，...

【专利技术属性】
技术研发人员：郭耀光，石啸，方皓达，田艺阳，边学伟，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：