本申请涉及一种视频行为检测方法、装置、计算机设备、存储介质和产品，涉及人工智能技术领域。所述方法包括：对待检测视频进行视频片段采样，得到多个视频片段；将所述多个视频片段输入至检测模型中的时间特征学习模型中，得到所述多个视频片段的时间特征；将所述多个视频片段输入至所述检测模型中的空间特征学习模型中，得到所述多个视频片段的空间特征；对所述时间特征和所述空间特征进行融合学习，得到所述待检测视频的行为检测结果。采用本方法能够提高视频行为检测的精度。
【技术实现步骤摘要】
本申请涉及人工智能，特别是涉及一种视频行为检测方法、装置、计算机设备、存储介质和产品。
技术介绍
1、视频行为检测是人工智能分析视频数据的核心技术，旨在对视频数据中的行为进行检测，得到检测结果，其中，检测结果包括行为类别和行为时间边界中的至少一种。
2、传统技术中，弱监督视频行为检测技术因能够仅通过少量有标注数据的训练获得媲美全监督模型的效果，所以该技术常被用于视频行为检测。但是，该技术缺乏对无标注数据的有效利用，缺乏对视频数据中隐藏信息的深入挖掘，因而，存在视频行为检测精度较低的问题。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提高视频行为检测精度的视频行为检测方法、装置、计算机设备、存储介质和产品。
2、第一方面，本申请提供了一种视频行为检测方法。所述方法包括：
3、对待检测视频进行视频片段采样，得到多个视频片段；
4、将所述多个视频片段输入至检测模型中的时间特征学习模型中，得到所述多个视频片段的时间特征；
>5、将所述多个视频本文档来自技高网...
【技术保护点】
1.一种视频行为检测方法，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，将所述多个视频片段输入至检测模型中的时间特征学习模型中，得到所述多个视频片段的时间特征，包括：
3.根据权利要求1所述的方法，其特征在于，所述将所述多个视频片段输入至所述检测模型中的空间特征学习模型中，得到所述多个视频片段的空间特征，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据各所述节点的特征和所述空间特征学习模型中的超图建模模块，得到超图的节点特征矩阵和超图的关联矩阵，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据各所...
【技术特征摘要】
1.一种视频行为检测方法，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，将所述多个视频片段输入至检测模型中的时间特征学习模型中，得到所述多个视频片段的时间特征，包括：
3.根据权利要求1所述的方法，其特征在于，所述将所述多个视频片段输入至所述检测模型中的空间特征学习模型中，得到所述多个视频片段的空间特征，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据各所述节点的特征和所述空间特征学习模型中的超图建模模块，得到超图的节点特征矩阵和超图的关联矩阵，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据各所述节点中任意的两个节点对应的视频片段的时间分布信息确定超边，包括：
6.根据权利要求4所述的方法，其特征在于，所述根据各所述节点中任意的两个节点对应的视频片段的时间分布信息确定超边，包括：
7.根据权利要求1-6任意一项所述的方法，其特征在于，所述对所述时间特征和所述空间特征进行融合学习，得到所述待检测视频的行为检测结果，包括：
8.根...
【专利技术属性】
技术研发人员：廖剑鹏，
申请(专利权)人：中国工商银行股份有限公司，
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。