CN113139483B - 人体行为识别方法、装置、设备、存储介质以及程序产品 - Google Patents
人体行为识别方法、装置、设备、存储介质以及程序产品 Download PDFInfo
- Publication number
- CN113139483B CN113139483B CN202110467154.1A CN202110467154A CN113139483B CN 113139483 B CN113139483 B CN 113139483B CN 202110467154 A CN202110467154 A CN 202110467154A CN 113139483 B CN113139483 B CN 113139483B
- Authority
- CN
- China
- Prior art keywords
- target
- human body
- frame
- image
- graph model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000006399 behavior Effects 0.000 claims abstract description 71
- 238000002156 mixing Methods 0.000 claims description 26
- 238000001514 detection method Methods 0.000 claims description 17
- 238000000605 extraction Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000011176 pooling Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 230000002401 inhibitory effect Effects 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 abstract description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 239000000284 extract Substances 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 230000001629 suppression Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种人体行为识别方法、装置、设备、存储介质以及程序产品，涉及人工智能领域，具体为计算机视觉和深度学习技术，可应用于智慧城市场景下。该方法的一具体实施方式包括：检测目标图像中的目标人体框和目标物体框；基于目标人体框和目标物体框进行关系建模，生成图模型，其中，图模型中的节点是目标人体框的特征或目标物体框的特征，图模型中的边是目标人体框与目标物体框之间的图像关系表示；在图模型中的节点之间进行特征传播，更新图模型；对图模型中的人体与物体的节点对进行预测，得到目标图像中的人体行为。该实施方式提升了人体行为的识别准确度。
Description
技术领域
本公开涉及人工智能领域，具体为计算机视觉和深度学习技术，可应用于智慧城市场景下。
背景技术
随着人工智能相关技术的发展与应用，越来越多的领域显露出对智能化、自动化技术的强烈需求。在计算机视觉领域中，人体行为分析的应用十分广泛。例如，人体行为分析可以应用在监控安防领域。
现有的人体行为分析技术主要分成两大类：第一类是基于视频流的算法，该类算法将视频流送进模型后，利用3D卷积对视频分类，从而达到对人体行为分类的效果；另一类是基于视频流和光流的算法，该类算法采用双流结构，同时提取视频流信息和光流信息，利用视频流信息获取图像语言信息，同时利用光流信息获取人体运动信息，从而达到对人体行为分析的目的。
发明内容
本公开实施例提出了一种人体行为识别方法、装置、设备、存储介质以及程序产品。
第一方面，本公开实施例提出了一种人体行为识别方法，包括：检测目标图像中的目标人体框和目标物体框；基于目标人体框和目标物体框进行关系建模，生成图模型，其中，图模型中的节点是目标人体框的特征或目标物体框的特征，图模型中的边是目标人体框与目标物体框之间的图像关系表示；在图模型中的节点之间进行特征传播，更新图模型；对图模型中的人体与物体的节点对进行预测，得到目标图像中的人体行为。
第二方面，本公开实施例提出了一种人体行为识别装置，包括：检测模块，被配置成检测目标图像中的目标人体框和目标物体框；建模模块，被配置成基于目标人体框和目标物体框进行关系建模，生成图模型，其中，图模型中的节点是目标人体框的特征或目标物体框的特征，图模型中的边是目标人体框与目标物体框之间的图像关系表示；传播模块，被配置成在图模型中的节点之间进行特征传播，更新图模型；预测模块，被配置成对图模型中的人体与物体的节点对进行预测，得到目标图像中的人体行为。
第三方面，本公开实施例提出了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。
第四方面，本公开实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。
第五方面，本公开实施例提出了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开实施例提供了基于人体与物体交互的人体行为分析方法，不仅从图像中挖掘人体的信息，还从图像中挖掘物体的信息，从而充分挖掘图像信息。并且，通过在人体节点与物体节点之间进行特征传播，将图像中的人体与物体相关联。结合关联的人体和物体进行人体行为识别，提升了人体行为的识别准确度。当应用在监控领域中的一些实际应用场景中时，可以得到更准确的人体行为识别结果。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显。附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开的人体行为识别方法的一个实施例的流程图；
图2是根据本公开的人体行为识别方法的又一个实施例的流程图；
图3是人体与物体位置展示的一个示意图；
图4是人体与物体位置编码的一个示意图；
图5是人体与物体位置编码的又一个示意图；
图6是特征混合的一个示意图；
图7是行为预测的一个示意图；
图8是根据本公开的人体行为识别装置的一个实施例的结构示意图；
图9是用来实现本公开实施例的人体行为识别方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了示出了根据本公开的人体行为识别方法的一个实施例的流程100。该人体行为识别方法包括以下步骤：
步骤101，检测目标图像中的目标人体框和目标物体框。
在本实施例中，人体行为识别方法的执行主体可以检测目标图像中的目标人体框和目标物体框。
其中，目标图像可以是基于需要进行人体行为分析的原始图像得到的。原始图像可以是利用摄像头对人体进行拍摄所得到的图像，也可以是利用摄像头对人体进行拍摄所得到的视频中的视频帧。在一些实施例中，原始图像可以直接作为目标图像。在一些实施例为中，为了提高图像质量，进而提升人体行为的识别准确度，可以对原始图像进行预处理，将预处理后的图像作为目标图像。其中，预处理可以用于标准化图像，包括但不限于缩放到固定尺寸(如412×412)、像素值归一化、减去像素值均值(如[0.485,0.456,0.406])、除以像素值方差(如[0.229,0.224,0.225])。
实际应用中，目标图像中除了存在人体之外，还会存在物体。这里，检测目标图像中的目标人体框和目标物体框。目标人体框可以是目标人体的边界框。目标物体框可以是目标物体的边界框。在一些实施例中，目标人体可以是目标图像中存在的人体。目标物体可以是目标图像中存在的物体。此时，可以检测出目标图像中存在的每个人体的人体框作为目标人体框，同时检测出目标图像中存在的每个物体的物体框作为目标物体框。在一些实施例中，目标人体可以是目标图像的前景中的人体。目标物体可以是目标图像的前景中的物体。通常，目标图像的背景中也会存在人体和物体。前景中的人体和物体靠近摄像头，背景中的人体和物体远离摄像头。为了避免背景的干扰，可以首先检测出目标图像中存在的每个人体的人体框和每个物体的物体框，然后过滤掉远离摄像头的人体框和物体框，即可得到目标人体框和目标物体框。
这里，从目标图像中检测目标人体框和目标物体框的方式主要包括以下两种：其一，基于深度学习的目标检测，即，利用深度学习模型检测目标图像中的目标人体框和目标物体框；其二，基于显著性的目标检测，即，基于不同目标人体和不同目标物体的显著性区别特征对目标图像进行阈值分割和形态学等操作，得到目标人体框和目标物体框。
步骤102，基于目标人体框和目标物体框进行关系建模，生成图模型。
在本实施例中，上述执行主体可以基于目标人体框和目标物体框进行关系建模，生成图模型。
通常，同一图像中的人体和物体之间存在一定的关系。因此，可以基于目标人体框和目标物体框进行关系建模，生成图模型。其中，图模型可以是人体与物体间的关系用图表示，包括节点和边。一个目标人体框或一个目标物体框可以对应一个节点。对应目标人体框的节点是人体节点，对应目标物体框的节点是物体节点。人体节点可以是目标人体框的特征，物体节点可以是目标物体框的特征。由于人体和物体之间存在关系，因此人体节点与每个物体节点之间连接有边。而不同人体节点之间未连接有边，不同物体节点之间未连接有边。边可以是目标人体框与目标物体框之间的图像关系表示。图像关系表示可以用于表征目标人体框与目标物体框在目标图像上的关系表示，包括但不限于目标人体框与目标物体框的交接占比、目标人体框和目标物体框的大小占比、目标人体框与目标物体框之间的距离等等。
步骤103，在图模型中的节点之间进行特征传播，更新图模型。
在本实施例中，上述执行主体可以在图模型中的节点之间进行特征传播，更新图模型。
通常，图模型中连接有边的节点之间可以进行特征传播，以使各节点间的信息充分交流。以一个人体节点为例，全部或部分物体节点可以将其特征通过边传播至这个人体节点。这个人体节点可以基于自身特征与接收到的物体节点的特征更新这个人体节点。这样，这个人体节点不仅有自身特征，还有接收到的物体节点的特征，就具有了全局信息。物体节点同理，这里不再赘述。
步骤104，对图模型中的人体与物体的节点对进行预测，得到目标图像中的人体行为。
在本实施例中，上述执行主体可以对图模型中的人体与物体的节点对进行预测，得到目标图像中的人体行为。
对于一个人体节点，由于其与每个物体节点之间都连接有边，因此这个人体节点与每个物体节点都可以组成节点对。每个节点对之间都可以做一次预测，合并预测结果，即可得到人体行为。
本公开实施例提供了基于人体与物体交互的人体行为分析方法，不仅从图像中挖掘人体的信息，还从图像中挖掘物体的信息，从而充分挖掘图像信息。并且，通过在人体节点与物体节点之间进行特征传播，将图像中的人体与物体相关联。结合关联的人体和物体进行人体行为识别，提升了人体行为的识别准确度。当应用在监控领域中的一些实际应用场景中时，可以得到更准确的人体行为识别结果。与基于视频流的算法相比，识别准确度不受人体动作幅度大小的限制。与基于视频流和光流的算法相比，计算量较小，提升了计算效率。
继续参考图2，其示出了根据本公开的人体行为识别方法的又一个实施例的流程200。该人体行为识别方法包括以下步骤：
步骤201，对原始图像进行预处理，得到目标图像。
在本实施例中，人体行为识别方法的执行主体可以对原始图像进行预处理，得到目标图像。
其中，原始图像可以是利用摄像头对人体进行拍摄所得到的图像，也可以是利用摄像头对人体进行拍摄所得到的视频中的视频帧。为了提高图像质量，进而提升人体行为的识别准确度，可以对原始图像进行预处理，将预处理后的图像作为目标图像。其中，预处理可以用于标准化图像，包括但不限于缩放到固定尺寸(如412×412)、像素值归一化、减去像素值均值(如[0.485,0.456,0.406])、除以像素值方差(如[0.229,0.224,0.225])。
步骤202，将目标图像输入至预先训练的特征提取模型，得到目标图像的图像特征。
在本实施例中，上述执行主体可以将目标图像输入至预先训练的特征提取模型，得到目标图像的图像特征。
其中，特征提取网络可以用于提取图像特征，是利用深度学习方法训练出来的神经网络。在一些实施例中，特征提取网络可以是黑暗网络DarkNet53。DarkNet 53是Yolov3网络中的骨干网络。
步骤203，将图像特征输入至预先训练的目标检测模型，得到目标图像中的人体框和物体框。
在本实施例中，上述执行主体可以将图像特征输入至预先训练的目标检测模型，得到目标图像中的人体框和物体框。
其中，目标检测模型可以用于检测目标，同样是利用深度学习方法训练出来的神经网络。在一些实施例中，目标检测模型可以是YOLO head模块。DarkNet53提取出的图像特征送入YOLO head模块，能够得到目标图像中的人体框和物体框。
步骤204，将人体框和物体框先经过置信度阈值过滤再经过非极大值抑制，得到目标人体框和目标物体框。
在本实施例中，上述执行主体可以将人体框和物体框先经过置信度阈值过滤再经过非极大值抑制，得到目标人体框和目标物体框。
通常，目标检测模型在检测出人体框和物体框的同时，还会输出人体框和物体框的置信度。其中，人体框的置信度可以是属于人体框的概率。物体框的置信度可以是属于物体框的概率。上述执行主体可以过滤掉置信度低于置信度阈值的人体框和物体框，从而避免背景的干扰。然后，对过滤后的人体框和物体框进行非极大值抑制(Non MaximumSuppression，NMS)。由于同一人体或同一物体可能有好几个框(每一个框都带有一个置信度)，通过极大值抑制可以抑制冗余的框，同一人体或同一物体只保留一个最优的框。
步骤205，使用感兴趣区域ROI池化操作分别对目标人体框和目标物体框进行特征提取，得到目标人体框的特征和目标物体框的特征。
在本实施例中，上述执行主体可以使用ROI pooling(Region Of Interestpooling，感兴趣区域池化)操作分别对目标人体框和目标物体框进行特征提取，得到目标人体框的特征和目标物体框的特征。
其中，ROI pooling是使用卷积神经网络在目标检测任务中广泛使用的操作。例如，在单个图像中检测多个人体和物体。其目的是对非均匀尺寸的输入执行最大池化以获得固定尺寸的特征图。
步骤206，将目标人体框的特征和目标物体框的特征分别编码成图模型中的节点。
在本实施例中，上述执行主体可以将目标人体框的特征和目标物体框的特征分别编码成图模型中的节点。
其中，图模型可以是人体与物体间的关系用图表示，包括节点和边。一个目标人体框或一个目标物体框可以对应一个节点。对应目标人体框的节点是人体节点，对应目标物体框的节点是物体节点。人体节点可以是目标人体框的特征，物体节点可以是目标物体框的特征。
步骤207，生成目标人体框与目标物体框之间的图像关系表示，作为图模型中的边。
在本实施例中，生成目标人体框与目标物体框之间的图像关系表示，作为图模型中的边。
由于同一图像中的人体和物体之间存在关系，因此每个人体节点与每个物体节点之间连接有边。而不同人体节点之间未连接有边，不同物体节点之间未连接有边。边可以是目标人体框与目标物体框之间的图像关系表示。图像关系表示可以用于表征目标人体框与目标物体框在目标图像上的关系表示，包括但不限于目标人体框与目标物体框的交接占比、目标人体框和目标物体框的大小占比、目标人体框与目标物体框之间的距离等等。
为了便于理解，图3示出了人体与物体位置展示的一个示意图。如图3所示，目标图像中存在一个人体、一条狗、一个背包和一个羽毛球拍。其中，图3中的a部分展示了人体与狗的位置关系。可见，人体的框与狗的框部分重叠。图3中的b部分展示了人体与羽毛球拍的位置关系。可见，人体的框与羽毛球拍的框部分重叠。图3中的c部分展示了人体与背包的位置关系。可见，背包的框在人体的框内。
为了便于理解，图4示出了人体与物体位置编码的一个示意图。如图4所示，由于目标图像中存在一个人体、一条狗、一个背包和一个羽毛球拍。将人体、狗、背包和羽毛球拍的特征分别编码成节点。将人体与狗、背包、羽毛球拍之间的图像关系表示作为边。
为了便于理解，图5示出了人体与物体位置编码的又一个示意图。如图5所示，对于存在多个人体和多个物体的图像。将每个人体和每个物体的特征分别编码成节点，将每个人体与每个物体之间的图像关系表示作为边。一个人体节点与一个物体节点组成一个节点对。
步骤208，对于图模型中的节点，执行N次特征混合步骤：接收与节点连接的其他节点利用图模型中的边传播的特征，将节点的特征与接收的特征两两进行特征混合，得到多个混合特征，将多个混合特征合并，得到合并混合特征，以及利用合并混合特征更新节点的特征。
在本实施例中，对于图模型中的每个节点，上述执行主体可以执行N次特征混合步骤。对图模型中的节点执行多次特征混合步骤，各节点之间的信息充分交流，使得每个节点都具有了全局信息。
这里，特征混合步骤是在节点间建立一套消息传播机制。对于每个人体与物体的节点对之间都会做一次特征混合。在初始阶段，每个节点只有自身特征，利用边来将其他节点的特征传播过来，从而实现节点之间的信息交流。每个节点会与其连接的其他节点做特征混合，具体步骤如下：
首先，接收与节点连接的其他节点利用图模型中的边传播的特征。
以一个人体节点为例，其与每个物体节点之间都连接有边。即，与这个人体节点连接的其他节点包括所有物体节点。所有物体节点都可以利用图模型中的边传播其特征。
然后，将节点的特征与接收的特征两两进行特征混合，得到多个混合特征。
为了便于理解，图6示出了特征混合的一个示意图。如图6所示，对于每个节点，首先利用FC(Fully Connected Layers，全连接层)将人体节点和物体节点建立连接。不同于常规的节点混合策略，此处额外引入了节点间的边关系，边关系有目标人体框和目标物体框的长宽、比例、相交区域比例等组成。目标人体框与目标物体框的位置关系编码成边，就可以将目标人体框和目标物体框的空间位置、图像信息都编码到图模型中。接下来，利用混合特征生成关系矩阵来编码人体与物体间关系。此外为了避免梯度消失，在每一层都会做行为预测。再次，利用FC层和Sigmoid得到，并回传梯度。
最后，将多个混合特征合并，得到合并混合特征，以及利用合并混合特征更新节点的特征。
其中，合并混合特征可以作为新的节点，取代原先的节点。合并混合特征通过如下公式得到：
其中，Xt+1是目标人体的合并混合特征，Xt是目标人体的特征，1≤i≤|H|，|H|是目标人体数，是从第i个目标人体到第j个目标物体的关系矩阵，MO-＞H是从目标物体传播到目标人体，Yt+1是目标物体的合并混合特征，Yt是目标物体的特征，1≤j≤|O|，|O|是目标物体数，/>是从第j个目标物体到第i个目标人体的关系矩阵，MH-＞O是从目标人体传播到目标物体。
其中，N是特征混合步骤的执行次数。N为正整数。N越大，各节点之间的信息交流越充分，人体行为的识别准确度越高，但是人体行为的识别效率越低；N越小，各节点之间的信息交流越不足，人体行为的识别准确度越低，但是人体行为的识别效率越高。在实际应用中，N的具体取值可以通过平衡人体行为的识别准确度和识别效率来确定。经过大量实验确定，N取2时，各节点之间的信息充分交流，使得每个节点都具有了全局信息。并且，N取2时，人体行为的识别效率也相对较高。
步骤209，利用自注意力将图模型中的人体与物体的节点对进行特征混合，得到目标混合特征。
在本实施例中，上述执行主体可以利用self attention(自注意力)将图模型中的人体与物体的节点对进行特征混合，得到目标混合特征。
对于一个人体节点，由于其与每个物体节点之间连接有边，因此这个人体节点与每个物体节点都可以组成节点对。每个节点对之间都可以利用self attention做一次特征混合，得到目标混合特征。
步骤210，将目标混合特征输入至全连接层进行分类，得到人体行为。
在本实施例中，上述执行主体可以将目标混合特征输入至FC进行分类，得到人体行为。其中，FC的每一个结点都与上一层的所有结点相连，用来把前面提取到的特征综合起来，在整个网络中起到分类器的作用，以分类得到人体行为。
为了便于理解，图7示出了行为预测的一个示意图。如图7所示，每个人体节点与每个物体节点进行特征混合后，输入至全连接层进行分类，即可得到人体行为。
本公开实施例提供的人体行为识别方法，先进行图像预处理，再进行人体行为识别，提高了图像质量，进而提升了人体行为的识别准确度。将目标图像中的人体框和物体框先经过置信度阈值过滤再经过非极大值抑制，先排除背景干扰再抑制冗余信息，使得同一人体或同一物体只保留一个最优的框。对图模型中的节点执行多次特征混合步骤，各节点之间的信息充分交流，使得每个节点都具有了全局信息。
进一步参考图8，作为对上述各图所示方法的实现，本公开提供了一种人体行为识别装置的一个实施例，该装置实施例与图1所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图8所示，本实施例的人体行为识别装置800可以包括：检测模块801、建模模块802、传播模块803和预测模块804。其中，检测模块801，被配置成检测目标图像中的目标人体框和目标物体框；建模模块802，被配置成基于目标人体框和目标物体框进行关系建模，生成图模型，其中，图模型中的节点是目标人体框的特征或目标物体框的特征，图模型中的边是目标人体框与目标物体框之间的图像关系表示；传播模块803，被配置成在图模型中的节点之间进行特征传播，更新图模型；预测模块804，被配置成对图模型中的人体与物体的节点对进行预测，得到目标图像中的人体行为。
在本实施例中，人体行为识别装置800中：检测模块801、建模模块802、传播模块803和预测模块804的具体处理及其所带来的技术效果可分别参考图1对应实施例中的步骤101-104的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，传播模块803进一步被配置成：对于图模型中的节点，执行N次特征混合步骤：接收与节点连接的其他节点利用图模型中的边传播的特征，将节点的特征与接收的特征两两进行特征混合，得到多个混合特征，将多个混合特征合并，得到合并混合特征，以及利用合并混合特征更新节点的特征，其中，N为正整数。
在本实施例的一些可选的实现方式中，预测模块804进一步被配置成：利用自注意力将图模型中的人体与物体的节点对进行特征混合，得到目标混合特征；将目标混合特征输入至全连接层进行分类，得到人体行为。
在本实施例的一些可选的实现方式中，建模模块802进一步被配置成：使用感兴趣区域ROI池化操作分别对目标人体框和目标物体框进行特征提取，得到目标人体框的特征和目标物体框的特征；将目标人体框的特征和目标物体框的特征分别编码成图模型中的节点；生成目标人体框与目标物体框之间的图像关系表示，作为图模型中的边，其中，图像关系表示包括以下至少一项：目标人体框与目标物体框的交接占比、目标人体框和目标物体框的大小占比。
在本实施例的一些可选的实现方式中，检测模块801进一步被配置成：将目标图像输入至预先训练的特征提取模型，得到目标图像的图像特征；将图像特征输入至预先训练的目标检测模型，得到目标图像中的人体框和物体框；将人体框和物体框先经过置信度阈值过滤再经过非极大值抑制，得到目标人体框和目标物体框。
在本实施例的一些可选的实现方式中，人体行为识别装置800还包括：预处理模块，被配置成对原始图像进行预处理，得到目标图像，其中，预处理包括以下至少一项：缩放到固定尺寸、像素值归一化、减去像素值均值、除以像素值方差。
本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图9示出了可以用来实施本公开的实施例的示例电子设备900的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图9所示，设备900包括计算单元901，其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序，来执行各种适当的动作和处理。在RAM 903中，还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905，包括：输入单元906，例如键盘、鼠标等；输出单元907，例如各种类型的显示器、扬声器等；存储单元908，例如磁盘、光盘等；以及通信单元909，例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理，例如人体行为识别方法。例如，在一些实施例中，人体行为识别方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元908。在一些实施例中，计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时，可以执行上文描述的人体行为识别方法的一个或多个步骤。备选地，在其他实施例中，计算单元901可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行人体行为识别方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以是分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开提供的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (14)
1.一种人体行为识别方法，包括：
检测目标图像中的目标人体框和目标物体框；
基于所述目标人体框和所述目标物体框进行关系建模，生成图模型，其中，所述图模型中的节点是所述目标人体框的特征或所述目标物体框的特征，所述图模型中的边是所述目标人体框与所述目标物体框之间的图像关系表示；
在所述图模型中的节点之间进行特征传播，更新所述图模型；
对所述图模型中的人体与物体的节点对进行预测，得到所述目标图像中的人体行为；
其中，所述基于所述目标人体框和所述目标物体框进行关系建模，生成图模型，包括：
分别对所述目标人体框和所述目标物体框进行特征提取，得到所述目标人体框的特征和所述目标物体框的特征；
将所述目标人体框的特征和所述目标物体框的特征分别编码成所述图模型中的节点；
生成所述目标人体框与所述目标物体框之间的图像关系表示，作为所述图模型中的边，其中，所述图像关系表示用于表征所述目标人体框与所述目标物体框在所述目标图像上的关系表示；其中，所述在所述图模型中的节点之间进行特征传播，更新所述图模型，包括：
对于所述图模型中的节点，执行N次特征混合步骤：接收与所述节点连接的其他节点利用所述图模型中的边传播的特征，将所述节点的特征与接收的特征两两进行特征混合，得到多个混合特征，将所述多个混合特征合并，得到合并混合特征，以及利用所述合并混合特征更新所述节点的特征，其中，N为正整数。
2.根据权利要求1所述的方法，其中，所述对所述图模型中的人体与物体的节点对进行预测，得到所述目标图像中的人体行为，包括：
利用自注意力将所述图模型中的人体与物体的节点对进行特征混合，得到目标混合特征；
将所述目标混合特征输入至全连接层进行分类，得到所述人体行为。
3.根据权利要求1所述的方法，其中，所述分别对所述目标人体框和所述目标物体框进行特征提取，包括：
使用感兴趣区域ROI池化操作分别对所述目标人体框和所述目标物体框进行特征提取。
4.根据权利要求1所述的方法，其中，所述图像关系表示包括以下至少一项：所述目标人体框与所述目标物体框的交接占比、所述目标人体框和所述目标物体框的大小占比。
5.根据权利要求1所述的方法，其中，所述检测目标图像中的目标人体框和目标物体框，包括：
将所述目标图像输入至预先训练的特征提取模型，得到所述目标图像的图像特征；
将所述图像特征输入至预先训练的目标检测模型，得到所述目标图像中的人体框和物体框；
将所述人体框和所述物体框先经过置信度阈值过滤再经过非极大值抑制，得到所述目标人体框和所述目标物体框。
6.根据权利要求1-5之一所述的方法，其中，所述方法还包括：
对原始图像进行预处理，得到所述目标图像，其中，所述预处理包括以下至少一项：缩放到固定尺寸、像素值归一化、减去像素值均值、除以像素值方差。
7.一种人体行为识别装置，包括：
检测模块，被配置成检测目标图像中的目标人体框和目标物体框；
建模模块，被配置成基于所述目标人体框和所述目标物体框进行关系建模，生成图模型，其中，所述图模型中的节点是所述目标人体框的特征或所述目标物体框的特征，所述图模型中的边是所述目标人体框与所述目标物体框之间的图像关系表示；
传播模块，被配置成在所述图模型中的节点之间进行特征传播，更新所述图模型；
预测模块，被配置成对所述图模型中的人体与物体的节点对进行预测，得到所述目标图像中的人体行为；
其中，所述建模模块进一步被配置成：
分别对所述目标人体框和所述目标物体框进行特征提取，得到所述目标人体框的特征和所述目标物体框的特征；
将所述目标人体框的特征和所述目标物体框的特征分别编码成所述图模型中的节点；
生成所述目标人体框与所述目标物体框之间的图像关系表示，作为所述图模型中的边，其中，所述图像关系表示用于表征所述目标人体框与所述目标物体框在所述目标图像上的关系表示；其中，所述传播模块进一步被配置成：
对于所述图模型中的节点，执行N次特征混合步骤：接收与所述节点连接的其他节点利用所述图模型中的边传播的特征，将所述节点的特征与接收的特征两两进行特征混合，得到多个混合特征，将所述多个混合特征合并，得到合并混合特征，以及利用所述合并混合特征更新所述节点的特征，其中，N为正整数。
8.根据权利要求7所述的装置，其中，所述预测模块进一步被配置成：
利用自注意力将所述图模型中的人体与物体的节点对进行特征混合，得到目标混合特征；
将所述目标混合特征输入至全连接层进行分类，得到所述人体行为。
9.根据权利要求7所述的装置，其中，所述建模模块进一步被配置成：
使用感兴趣区域ROI池化操作分别对所述目标人体框和所述目标物体框进行特征提取。
10.根据权利要求7所述的装置，其中，所述图像关系表示包括以下至少一项：所述目标人体框与所述目标物体框的交接占比、所述目标人体框和所述目标物体框的大小占比。
11.根据权利要求7所述的装置，其中，所述检测模块进一步被配置成：
将所述目标图像输入至预先训练的特征提取模型，得到所述目标图像的图像特征；
将所述图像特征输入至预先训练的目标检测模型，得到所述目标图像中的人体框和物体框；
将所述人体框和所述物体框先经过置信度阈值过滤再经过非极大值抑制，得到所述目标人体框和所述目标物体框。
12.根据权利要求7-11之一所述的装置，其中，所述装置还包括：
预处理模块，被配置成对原始图像进行预处理，得到所述目标图像，其中，所述预处理包括以下至少一项：缩放到固定尺寸、像素值归一化、减去像素值均值、除以像素值方差。
13.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110467154.1A CN113139483B (zh) | 2021-04-28 | 2021-04-28 | 人体行为识别方法、装置、设备、存储介质以及程序产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110467154.1A CN113139483B (zh) | 2021-04-28 | 2021-04-28 | 人体行为识别方法、装置、设备、存储介质以及程序产品 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113139483A CN113139483A (zh) | 2021-07-20 |
| CN113139483B true CN113139483B (zh) | 2023-09-29 |
Family
ID=76816480
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110467154.1A Active CN113139483B (zh) | 2021-04-28 | 2021-04-28 | 人体行为识别方法、装置、设备、存储介质以及程序产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113139483B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111177473A (zh) * | 2018-11-13 | 2020-05-19 | 杭州海康威视数字技术股份有限公司 | 人员关系分析方法、装置和可读存储介质 |
| CN111325141A (zh) * | 2020-02-18 | 2020-06-23 | 上海商汤临港智能科技有限公司 | 交互关系识别方法、装置、设备及存储介质 |
| CN111931701A (zh) * | 2020-09-11 | 2020-11-13 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的姿态识别方法、装置、终端和存储介质 |
| CN112528037A (zh) * | 2020-12-04 | 2021-03-19 | 北京百度网讯科技有限公司 | 基于知识图谱的边关系预测方法、装置、设备及存储介质 |
| KR20210042275A (ko) * | 2020-05-27 | 2021-04-19 | 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. | 스몰 타깃 검출 방법 및 장치 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10762111B2 (en) * | 2017-09-25 | 2020-09-01 | International Business Machines Corporation | Automatic feature learning from a relational database for predictive modelling |
-
2021
- 2021-04-28 CN CN202110467154.1A patent/CN113139483B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111177473A (zh) * | 2018-11-13 | 2020-05-19 | 杭州海康威视数字技术股份有限公司 | 人员关系分析方法、装置和可读存储介质 |
| CN111325141A (zh) * | 2020-02-18 | 2020-06-23 | 上海商汤临港智能科技有限公司 | 交互关系识别方法、装置、设备及存储介质 |
| KR20210042275A (ko) * | 2020-05-27 | 2021-04-19 | 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. | 스몰 타깃 검출 방법 및 장치 |
| CN111931701A (zh) * | 2020-09-11 | 2020-11-13 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的姿态识别方法、装置、终端和存储介质 |
| CN112528037A (zh) * | 2020-12-04 | 2021-03-19 | 北京百度网讯科技有限公司 | 基于知识图谱的边关系预测方法、装置、设备及存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| Shape matching and object recognition using shape contexts;S. Belongie等;《 IEEE Transactions on Pattern Analysis and Machine Intelligence》;第24卷(第4期);509 - 522 * |
| 基于注意力机制和特征融合改进的小目标检测算法;麻森权;周克;;计算机应用与软件(05);全文 * |
| 面向移动终端的农业害虫图像智能识别系统的研究与开发;邵泽中;姚青;唐健;李罕琼;杨保军;吕军;陈轶;;中国农业科学(16);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113139483A (zh) | 2021-07-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113343826A (zh) | 人脸活体检测模型的训练方法、人脸活体检测方法及装置 | |
| CN113869449A (zh) | 一种模型训练、图像处理方法、装置、设备及存储介质 | |
| CN113239807B (zh) | 训练票据识别模型和票据识别的方法和装置 | |
| CN113221768A (zh) | 识别模型训练方法、识别方法、装置、设备及存储介质 | |
| CN111652181B (zh) | 目标跟踪方法、装置及电子设备 | |
| CN111783619A (zh) | 人体属性的识别方法、装置、设备及存储介质 | |
| CN116721460A (zh) | 手势识别方法、装置、电子设备以及存储介质 | |
| CN113705380B (zh) | 雾天的目标检测方法、装置、电子设备以及存储介质 | |
| CN113705381B (zh) | 雾天的目标检测方法、装置、电子设备以及存储介质 | |
| WO2022222036A1 (zh) | 车位确定方法及装置 | |
| CN114120454A (zh) | 活体检测模型的训练方法、装置、电子设备及存储介质 | |
| CN113569911A (zh) | 车辆识别方法、装置、电子设备及存储介质 | |
| CN115272705B (zh) | 显著性物体检测模型的训练方法、装置以及设备 | |
| CN114973333B (zh) | 人物交互检测方法、装置、设备以及存储介质 | |
| CN115116111B (zh) | 抗扰动人脸活体检测模型训练方法、装置及电子设备 | |
| CN115097941B (zh) | 人物交互检测方法、装置、设备以及存储介质 | |
| CN113139483B (zh) | 人体行为识别方法、装置、设备、存储介质以及程序产品 | |
| CN110135224B (zh) | 一种监控视频的前景目标提取方法及系统、存储介质及终端 | |
| CN116704203A (zh) | 目标检测方法、装置、电子设备、计算机可读存储介质 | |
| CN116310993A (zh) | 目标检测方法、装置、设备及存储介质 | |
| CN114663980B (zh) | 行为识别方法、深度学习模型的训练方法及装置 | |
| CN116363429A (zh) | 图像识别模型的训练方法、图像识别方法、装置及设备 | |
| CN115019057A (zh) | 图像特征提取模型确定方法及装置、图像识别方法及装置 | |
| CN113221769B (zh) | 识别模型训练方法、识别方法、装置、设备及存储介质 | |
| CN114943995A (zh) | 人脸识别模型的训练方法、人脸识别方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |