一种行为识别方法、装置、计算机设备和存储介质制造方法及图纸

本发明专利技术涉及样本处理领域，尤其公开了一种行为识别方法、装置、计算机设备和存储介质，以解决对时序数据进行智能序列识别时，算力消耗过大的问题。该方法包括：提取待识别时序图像的局部具体特征；将携带局部具体特征的待识别时序图像输入姿势检测模型，得到包含预期姿势的预期时序图像；提取预期时序图像的全局抽象特征；将携带全局抽象特征的预期时序图像输入行为识别模型，识别出预期时序图像的行为类别和属性。和属性。和属性。

【技术实现步骤摘要】
一种行为识别方法、装置、计算机设备和存储介质


[0001]本专利技术涉及样本处理领域，尤其涉及一种行为识别方法、装置、计算机设备和存储介质。

技术介绍

[0002]随着物联网的大规模应用，越来越多的终端设备开始对时序数据进行智能序列识别，序列识别广泛应用于购物、社交、互动游戏等诸多场景下。其中，时序数据包括视频数据、音频数据等。而智能序列识别将对时序数据进行实时分类和实时识别。
[0003]对时序数据进行识别时，通常需要消耗终端设备的大量算力，才能完成时序数据的智能序列识别。为了保证终端设备的能效，将时序数据进行智能序列识别前，会对时序数据进行过滤，但现有技术中，在进行智能序列识别前对时序数据的过滤方法不够精确，经过过滤后的时序数据依然存在大量冗余，因此，将这些冗余时序数据进行智能序列识别时，依然会消耗不必要的算力。

技术实现思路

[0004]本专利技术实施例提供一种行为识别方法、装置、计算机设备及存储介质，以解决对时序数据进行智能序列识别时，算力消耗过大的问题。
[0005]本专利技术第一方面，提供一种行为识别本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种行为识别方法，其特征在于，包括：提取待识别时序图像的局部具体特征；将携带所述局部具体特征的待识别时序图像输入姿势检测模型，得到包含预期姿势的预期时序图像；提取所述预期时序图像的全局抽象特征；将携带所述全局抽象特征的预期时序图像输入行为识别模型，识别出所述预期时序图像的行为类别和属性。2.如权利要求1所述的行为识别方法，其特征在于，所述提取待识别时序图像的局部具体特征之前，所述方法还包括：获取待处理时序图像；去除所述待处理时序图像中姿势重复的无效图像，得到所述待识别时序图像。3.如权利要求1所述的行为识别方法，其特征在于，所述待处理时序图像包括第一时序图像和第二时序图像，所述第一时序图像和第二时序图像是所述待处理时序图像中相邻的两个图像，所述去除所述待处理时序图像中姿势重复的无效图像之前，所述方法还包括：判断所述第一时序图像与第二时序图像的内容，是否存在变化；若所述第一时序图像与第二时序图像的内容变化程度大于预期变化程度，则判断所述第一时序图像与第二时序图像都为有效图像；若所述第一时序图像与第二时序图像的内容变化程度小于所述预期变化程度，则判断所述第二时序图像为所述无效图像。4.如权利要求1所述的行为识别方法，其特征在于，所述姿势检测模型通过姿势检测模型训练方法训练得到，所述姿势检测模型训练方法包括：获取训练图像，所述训练图像包括图像内容以及所述图像内容的姿势标签，所述姿势标签用于指示所述训练图像是否包含所述预期姿势；提取所述训练图像的局部具体特征；依据携带所述局部具体特征的训练图像，对初始姿势检测模型进行训练，得到所述预期姿势的执行概率；根据所述预期姿势的执行概率与所述姿势标签的差异，调整所述姿势检测模型的模型参数并继续训练，直至满足训练停止条件时结束训练，得到所述姿势检测模型。5.如权利要求4所述的行为识别方法，其特征在于，...

【专利技术属性】
技术研发人员：瞿晓阳，王健宗，曾尘杰，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：