【技术实现步骤摘要】
本申请涉及人工智能，特别是涉及一种动作类别识别方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
1、随着人工智能技术的发展，特定的动作能够直接作为人机交互的方式在特定的场合传递人类想要表达的信息，实现人与计算机之间的沟通。动作识别可以用于实现对用户所产生行为的确认，或是结合虚拟现实技术实现更多娱乐应用，如智能观光、虚拟现实游戏等。
2、然而，目前的动作类别识别方式是基于对动作图像数据的识别来实现，泛化能力较弱，进而导致动作类别识别结果的准确性较低。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提高动作类别识别准确性的动作类别识别方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种动作类别识别方法。所述方法包括：
3、获取动作雷达数据序列，所述动作雷达数据序列包括按采集时序排列的多个雷达数据；
4、将所述动作雷达数据序列划分为时间跨度相同的数据子序列，对各所述数据子序列分别进行特征提取，得到每一所述数据子序列各自的子序列特征；
5、针对每一所述子序列特征分别进行动作类别识别处理，确定每一所述子序列特征各自匹配的动作类别子标签；
6、将所述动作类别子标签中满足筛选条件的目标子标签所指示的动作类别，确定为所述动作雷达数据序列的动作类别识别结果。
7、第二方面，本申请还提供了一种动作类别识别装置。所述装置包括：
8、雷达数据获
9、特征提取模块，用于将所述动作雷达数据序列划分为时间跨度相同的数据子序列，对各所述数据子序列分别进行特征提取，得到每一所述数据子序列各自的子序列特征；
10、子标签识别模块，用于针对每一所述子序列特征分别进行动作类别识别处理，确定每一所述子序列特征各自匹配的动作类别子标签；
11、动作类别确定模块，用于将所述动作类别子标签中满足筛选条件的目标子标签所指示的动作类别，确定为所述动作雷达数据序列的动作类别识别结果。
12、在其中一个实施例中，所述特征提取模块还用于针对每一所述数据子序列，提取所述数据子序列的时域特征，并对所述数据子序列进行傅里叶变换处理，得到所述数据子序列的频域特征；将所述时域特征和所述频域特征进行特征融合，得到每一所述数据子序列各自对应的子序列特征。
13、在其中一个实施例中，所述特征提取模块还用于基于卷积循环神经网络模型的循环神经网络，对各所述数据子序列分别进行时序特征学习，得到每一所述数据子序列各自的时序特征；基于所述卷积循环神经网络模型的卷积神经网络，对各所述时序特征分别进行深度特征学习，得到每一所述数据子序列各自的子序列特征。
14、在其中一个实施例中，所述循环神经网络由至少两层双向循环神经网络层构成，每一所述双向循环神经网络层中循环单元的数量与所述数据子序列的数量相等。
15、在其中一个实施例中，所述动作类别识别装置还包括模型训练模块，用于获取携带有动作类别标签的样本雷达数据序列，所述样本雷达数据序列包括携带有目标动作标签的正样本和携带有非目标动作标签的负样本；针对每一所述样本雷达数据序列，按照相同的时间跨度将所述样本雷达数据序列划分为多个样本数据子序列；将所述样本雷达数据序列的动作类别标签，标记为所述样本数据子序列的动作类别标签；基于每一样本数据子序列的样本子序列特征和所述样本子序列特征所携带的动作类别标签，对卷积循环神经网络模型进行参数训练，直到满足所述卷积循环神经网络模型的训练终止条件。
16、在其中一个实施例中，动作类别识别装置还包括数据平滑处理模块，用于按照所述动作雷达数据序列中各雷达数据的排列关系，对所述动作雷达数据序列进行数据平滑处理，得到平滑雷达数据序列，所述特征提取模块还用于将所述平滑雷达数据序列划分为时间跨度相同的数据子序列。
17、在其中一个实施例中，所述特征提取模块还用于基于所述动作雷达数据序列的划分参数，确定与所述划分参数相匹配的滑动窗口的窗口尺寸和滑动步长；按照所述滑动步长，在所述动作雷达数据序列中滑动所述滑动窗口，将每一次滑动处理后所述滑动窗口中所包含的雷达数据确定为一个数据子序列。
18、在其中一个实施例中，所动作类别确定模块，还用于基于每一所述动作类别子标签的累计结果，从各所述动作类别子标签中筛选出所述累计结果满足筛选条件的目标子标签；将所述目标子标签所指示的动作类别，确定为所述动作雷达数据序列的动作类别识别结果。
19、在其中一个实施例中，所述动作类别确定模块，还用于将相同动作类别子标签的权重数据进行累加处理，得到每一所述动作类别子标签的累计权重；从各所述动作类别子标签中筛选出所述累计权重最大的目标子标签。
20、在其中一个实施例中，所述动作雷达数据序列包括手势雷达数据序列；动作类别识别装置还包括手势检测信号发送模块，用于响应于手势检测事件，发送手势检测信号至雷达传感器；雷达数据获取模块，还用于获取所述雷达传感器接收到所述手势检测信号后所采集的手势雷达数据序列。
21、在其中一个实施例中，所述动作类别识别结果包括手势类别识别结果；所述动作类别识别装置还包括提示信息显示模块，用于响应于针对目标用户的数据交互触发事件，确定与所述数据交互触发事件相匹配的数据交互确认手势，并触发针对所述目标用户的手势检测事件；显示针对所述数据交互确认手势的提示信息；当所述手势类别识别结果与所述数据交互确认手势相同时，执行针对所述目标用户的数据交互流程。
22、第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
23、获取动作雷达数据序列，所述动作雷达数据序列包括按采集时序排列的多个雷达数据；
24、将所述动作雷达数据序列划分为时间跨度相同的数据子序列，对各所述数据子序列分别进行特征提取，得到每一所述数据子序列各自的子序列特征；
25、针对每一所述子序列特征分别进行动作类别识别处理，确定每一所述子序列特征各自匹配的动作类别子标签；
26、将所述动作类别子标签中满足筛选条件的目标子标签所指示的动作类别，确定为所述动作雷达数据序列的动作类别识别结果。
27、第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
28、获取动作雷达数据序列，所述动作雷达数据序列包括按采集时序排列的多个雷达数据；
29、将所述动作雷达数据序列划分为时间跨度相同的数据子序列，对各所述数据子序列分别进行特征提取，得到每一所述数据子序列各自的子序列特征；
30、针对每一所述子序列特征分别进行动作类别识别处本文档来自技高网...
【技术保护点】
1.一种动作类别识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对各所述数据子序列分别进行特征提取，得到每一所述数据子序列各自的子序列特征，包括：
3.根据权利要求1所述的方法，其特征在于，所述对各所述数据子序列分别进行特征提取，得到每一所述数据子序列各自的子序列特征，包括：
4.根据权利要求3所述的方法，其特征在于，所述循环神经网络由至少两层双向循环神经网络层构成，每一所述双向循环神经网络层中循环单元的数量与所述数据子序列的数量相等。
5.根据权利要求3所述的方法，其特征在于，所述卷积循环神经网络模型的训练过程，包括：
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
7.根据权利要求1所述的方法，其特征在于，所述将所述动作雷达数据序列划分为时间跨度相同的数据子序列，包括：
8.根据权利要求1所述的方法，其特征在于，所述将所述动作类别子标签中满足筛选条件的目标子标签所指示的动作类别，确定为所述动作雷达数据序列的动作类别识别结果，包括：
9
10.根据权利要求1至9中任一项所述的方法，其特征在于，所述动作雷达数据序列包括手势雷达数据序列；
11.根据权利要求10所述的方法，其特征在于，所述动作类别识别结果包括手势类别识别结果；所述方法还包括：
12.一种动作类别识别装置，其特征在于，所述装置包括：
13.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至11中任一项所述的方法的步骤。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至11中任一项所述的方法的步骤。
15.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至11中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种动作类别识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对各所述数据子序列分别进行特征提取，得到每一所述数据子序列各自的子序列特征，包括：
3.根据权利要求1所述的方法，其特征在于，所述对各所述数据子序列分别进行特征提取，得到每一所述数据子序列各自的子序列特征，包括：
4.根据权利要求3所述的方法，其特征在于，所述循环神经网络由至少两层双向循环神经网络层构成，每一所述双向循环神经网络层中循环单元的数量与所述数据子序列的数量相等。
5.根据权利要求3所述的方法，其特征在于，所述卷积循环神经网络模型的训练过程，包括：
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
7.根据权利要求1所述的方法，其特征在于，所述将所述动作雷达数据序列划分为时间跨度相同的数据子序列，包括：
8.根据权利要求1所述的方法，其特征在于，所述将所述动作类别子标签中满足筛选条件的目标子标签所指示的动作类别，确定为所述动作雷达数据序列的动...
【专利技术属性】
技术研发人员：杨伟明，王少鸣，郭润增，唐惠忠，张菁芸，
申请(专利权)人：腾讯科技深圳有限公司，
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。