【技术实现步骤摘要】
本公开涉及计算机视觉领域，尤其涉及一种人体行为识别方法、设备及存储介质。
技术介绍
1、相关技术中主要使用二维卷积神经网络(convolutional neural networks，cnn)和循环神经网络(recurrent neural network,rnn)相结合，进行人体行为识别，例如最具代表性的lrcn(long-term recurrent convolutional networks)算法，lrcn网络首先通过二维的alexnet卷积神经网络提取视频中的空间信息，再利用单向lstm(long short termmemory，长短期记忆)建模二维卷积特征中的时间信息，实现对动作的分类。
2、然而，二维的alexnet卷积神经网络通过先空间再时间的方式将时空信息分离处理，忽略了视频中动作的潜在时空相关性，单向的lstm未能充分利用视频中的时间信息，因此会影响最终的检测效果。
技术实现思路
1、本公开的第一方面实施例提出了一种人体行为识别方法，该方法包括：对输入视频...
【技术保护点】
1.一种人体行为识别方法，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，所述对输入视频进行分解及采样处理，得到待处理视频帧包括：
3.根据权利要求1所述的方法，其特征在于，所述三维残差卷积神经网络包括三维卷积核、池化层及三维残差模块，所述通过三维残差卷积神经网络对所述待处理视频帧进行特征提取，得到所述输入视频的局部短时时空特征包括：
4.根据权利要求1所述的方法，其特征在于，所述时空注意力模块包括时间注意力模块和空间注意力模块，所述在所述三维残差卷积神经网络插入时空注意力模块，以对所述局部短时时空特征进行时空...
【技术特征摘要】
1.一种人体行为识别方法，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，所述对输入视频进行分解及采样处理，得到待处理视频帧包括：
3.根据权利要求1所述的方法，其特征在于，所述三维残差卷积神经网络包括三维卷积核、池化层及三维残差模块，所述通过三维残差卷积神经网络对所述待处理视频帧进行特征提取，得到所述输入视频的局部短时时空特征包括：
4.根据权利要求1所述的方法，其特征在于，所述时空注意力模块包括时间注意力模块和空间注意力模块，所述在所述三维残差卷积神经网络插入时空注意力模块，以对所述局部短时时空特征进行时空特征增强，得到增强后的局部短时时空特征包括：
5.根据权利要求4所述的方法，其特征在于，所述将所述局部短...
【专利技术属性】
技术研发人员：余金锁，陈焱山，程志超，
申请(专利权)人：中移苏州软件技术有限公司，
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。