一种目标行为检测模型构建方法、系统、设备和存储介质技术方案

本发明专利技术公开一种目标行为检测模型构建方法、系统、设备和存储介质，所述方法包括：基于目标行为构建训练数据集，所述训练数据集包括标注行为类别的图片；将所述训练数据集输入主干网络，得到初步特征图；根据所述初步特征图利用多尺度注意力网络和特征增强网络，得到目标特征图；利用检测网络基于所述目标特征图检测出目标行为，并确定目标权重该目标行为检测模型构建方法通过训练数据集的构建与标注，利用主干网络提取初步特征图，结合多尺度注意力网络与特征增强网络深化特征的表达与整合，以及检测网络对目标行为的精准识别和权重确定，实现了一个高效、灵活且鲁棒性强的检测系统，适用于需要精确识别复杂场景中特定行为的多种应用场合。

【技术实现步骤摘要】

本专利技术涉及计算机视觉领域，具体涉及一种目标行为检测模型构建方法、系统、设备和存储介质。

技术介绍

1、目标检测是计算机视觉中的经典问题之一，也是基于视觉的模式识别应用的一个重要研究方向。它需要对任意画面进行搜索，对画面中存在的目标进行有效的标注以及外接矩形框提取。由于需要对画面中呈现出多样性姿态的目标进行有效检出，因此需要目标的特征表示具有极强的表达能力和判别力。而传统的基于图像局部统计特性表达的手工设计特征难以区分目标的多样性、复杂性，其难以在一般性的目标检测问题上达到较好的效果。

2、目前，基于深度学习的目标行为检测广泛采用yolov8算法，通过采集并标注目标行为图像来构建数据集，并在监控视频中识别目标行为。现有技术在yolov8模型的neck部分引入cbam注意力机制，以提高对目标信息的关注度，但该方法在模型结构改进和对小目标检测方面存在不足。此外，现有流程主要关注单一目标的检测，缺乏结合人体姿态信息的辅助判别，导致目标行为的识别准确率不高。

技术实现思路

1、本专利技术的主要目的是提供本文档来自技高网...

【技术保护点】

1.一种目标行为检测模型构建方法，其特征在于，所述方法包括：

2.如权利要求1所述的方法，其特征在于，所述根据所述初步特征图利用多尺度注意力网络和特征增强网络，得到目标特征图，包括：

3.如权利要求2所述的方法，其特征在于，所述将所述初步特征图输入所述多尺度注意力网络，得到全局特征信息，包括：

4.如权利要求2所述的方法，其特征在于，所述将所述初步特征图输入所述多尺度注意力网络，得到局部特征信息，包括：

5.如权利要求2所述的方法，其特征在于，所述将所述全局特征图和局部特征图输入所述特征增强网络，得到增强特征图，包括：</p>

6.如权...

【技术特征摘要】

1.一种目标行为检测模型构建方法，其特征在于，所述方法包括：

2.如权利要求1所述的方法，其特征在于，所述根据所述初步特征图利用多尺度注意力网络和特征增强网络，得到目标特征图，包括：

3.如权利要求2所述的方法，其特征在于，所述将所述初步特征图输入所述多尺度注意力网络，得到全局特征信息，包括：

4.如权利要求2所述的方法，其特征在于，所述将所述初步特征图输入所述多尺度注意力网络，得到局部特征信息，包括：

5.如权利要求2所述的方法，其特征在于，所述将所述全局特征图和局部特征图输入所述特征增强网络，得到增强特征图，包括：

6.如权利要求2所述的方法，其...

【专利技术属性】
技术研发人员：章政，谢艳玲，李明，
申请(专利权)人：北京大学南昌创新研究院，
类型：发明
国别省市：