【技术实现步骤摘要】
基于骨架数据时空特征差异性和相关性的行为识别方法
[0001]本申请涉及计算机视觉领域,尤其是一种基于骨架数据时空特征差异性和相关性的行为识别方法。
技术介绍
[0002]人体的骨架数据是一种自然的拓扑数据结构,能够更好地反映时空信息和人体运动特征,因此基于人体的骨架数据的行为识别近年来受到越来越多的关注和研究。
[0003]传统方法利用卷积神经网络CNNs
‑
based的方法和基于循环神经网络RNNs
‑
based的方法来基于骨架数据进行行为识别,识别效果较差。图卷积网络GCNs在任意图结构上都具有良好的性能,因此更多的学者将其用于基于骨架数据的行为识别,Yan等人首次提出ST
‑
GCN,即Spatial
‑
Temporal GCN将GCN应用于基于骨架数据的行为识别,相较于传统方法有一定的性能提升。但是由于骨架数据较为特殊,有一些没有物理连接的关节部分对行为识别有很强的影响,还有一些关节对行为识别的作用又较弱,所以即便是ST
‑
GCN的行为识别的效果也不够理想。
技术实现思路
[0004]本申请人针对上述问题及技术需求,提出了一种基于骨架数据时空特征差异性和相关性的行为识别方法,本申请的技术方案如下:
[0005]一种基于骨架数据时空特征差异性和相关性的行为识别方法,该行为识别方法包括:
[0006]对多种行为动作的共N
×
M组样本骨架数据进行特征提取,得到每组样本骨
【技术保护点】
【技术特征摘要】
1.一种基于骨架数据时空特征差异性和相关性的行为识别方法,其特征在于,所述行为识别方法包括:对多种行为动作的共N
×
M组样本骨架数据进行特征提取,得到每组样本骨架数据的骨架特征序列数据,每组样本骨架数据的骨架特征序列数据包括C个通道,每个通道包括所有V个关节在连续T个时间帧的关节骨骼特征数据;将每组样本骨架数据的骨架特征序列数据作为行为识别模型的输入、所述样本骨架数据对应的行为动作作为所述行为识别模型的输出,利用所有样本骨架数据的骨架特征序列数据训练所述行为识别模型;提取待识别的骨架数据的骨架特征序列数据并输入训练得到的所述行为识别模型,输出识别得到的行为动作;其中,所述行为识别模型包括依次连接的空间图卷积模块、时间图卷积模块和分类模块,所述空间图卷积模块包括时间特征学习单元、通道特征学习单元和时间通道上下文拓扑单元,所述时间特征学习单元用于在时间帧维度学习输入的骨架特征序列数据的特征差异性和特征相关性得到特征Y
TFDCL
,所述通道特征学习单元用于在通道维度学习输入的骨架特征序列数据的特征差异性和特征相关性得到特征Y
CFDCL
,所述时间通道上下文拓扑单元用于动态学习输入的骨架特征序列数据的全局上下文特征得到特征Y
TCCT
,所述空间图卷积模块输出对特征Y
TFDCL
、特征Y
CFDCL
和特征Y
TCCT
融合后的空间特征Y;所述时间图卷积模块对所述空间特征Y提取时间特征信息后输入分类模块进行分类,输出识别得到的行为动作。2.根据权利要求1所述的行为识别方法,其特征在于,所述时间特征学习单元学习输入的骨架特征序列数据F的特征差异性和特征相关性得到特征Y
TFDCL
的方法包括:利用第一时间卷积层作用于骨架特征序列数据F的时间帧维度进行卷积变换操作得到φ1(F),利用第二时间卷积层作用于骨架特征序列数据F的时间帧维度进行卷积变换操作得到φ2(F),对φ1(F)和φ2(F)在时间帧维度进行张量加法运算操作得到所有时间帧的特征相关性利用第三时间卷积层作用于骨架特征序列数据F的时间帧维度进行卷积变换操作得到φ3(F),利用第四时间卷积层作用于骨架特征序列数据F的时间帧维度进行卷积变换操作得到φ4(F),对φ3(F)和φ4(F)在时间帧维度进行张量减法运算操作,再经过激活函数tanh得到所有时间帧的特征差异性对所有时间帧的特征相关性T
corr
(F)和特征差异性T
diff
(F)融合得到特征Y
TFDCL
。3.根据权利要求2所述的行为识别方法,其特征在于,对所有时间帧的特征相关性T
corr
(F)和特征差异性T
diff
(F)融合得到特征Y
TFDCL
的方法包括:对所有时间帧的特征相关性T
corr
(F)和特征差异性T
diff
(F)在时间帧维度进行张量乘法运算操作后,经过激活函数softmax并与权重矩阵在时间帧维度进行张量乘法运算操作,得到特征Y
TFDCL
。4.根据权利要求1所述的行为识别方法,其特征在于,所述通道特征学习单元学习输入的骨架特征序列数据F的特征差异性和特征相关性得到特征Y
CFDCL
的方法包括:
利用第一通道卷积层作用于骨架特征序列数据F的通道维度进行卷积变换操作得到ψ1(F),利用第二通道卷积层作用于骨架特征序列数据F的通道维度进行卷积变换操作得到ψ2(F),对ψ1(F)和ψ2(F)在通道维度进行张量加法运算操作得到所有通道的特征相关性利用第三通道卷积层作用于骨架特征序列数据F的通道维度进行卷积变换操作得到ψ3(F),利用第四通道卷积层作用于骨架特征序列数据F的通道维度进行卷积变换操作得到ψ4(F),对ψ3(F)和ψ4(F)在通道维度进行张量减法运算操作,再经过激活函数tanh得到所有通道的特征差异性对所有通道的特征相关性C
corr
(F)和特征差异性C
diff
(F)融合得到特征Y
CFDCL
。5.根据权利要求4所述的行为识别方法,其特征在于,所述对所有通道的特征相关性C
corr
(F)和特征差异性C
diff
(F)融合得到特征Y
CFDCL
,包括:对所有通道的特征相关性C
corr
(F)和特征差异...
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。