CN114022955A - 一种动作识别方法及装置 - Google Patents
一种动作识别方法及装置 Download PDFInfo
- Publication number
- CN114022955A CN114022955A CN202111235726.XA CN202111235726A CN114022955A CN 114022955 A CN114022955 A CN 114022955A CN 202111235726 A CN202111235726 A CN 202111235726A CN 114022955 A CN114022955 A CN 114022955A
- Authority
- CN
- China
- Prior art keywords
- action
- key point
- data
- recognition
- knowledge graph
- 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.)
- Pending
Links
- 230000009471 action Effects 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000004927 fusion Effects 0.000 claims abstract description 14
- 230000000875 corresponding effect Effects 0.000 claims description 40
- 238000012545 processing Methods 0.000 claims description 39
- 230000033001 locomotion Effects 0.000 claims description 37
- 238000013528 artificial neural network Methods 0.000 claims description 15
- 238000000926 separation method Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种动作识别方法及装置，在获取包含音频数据和图像数据的多媒体视频数据后；对所述多媒体视频数据进行解析，得到对应的音频数据和图像数据；从所述图像数据中提取人体关键点信息，通过关键点时序网络进行动作识别，生成第一识别结果，所述关键点时序网络为基于关键点信息的动作识别网络；将所述音频数据转化为文字信息，通过预设知识图谱对所述文字信息进行分析，生成第二识别结果，所述预设知识图谱为包含以动作名称为节点的知识图谱；将所述第一识别结果和所述第二识别结果输入至预设融合网络，生成所述多媒体视频数据对应的动作预测。本申请通过人体关键点与声音知识图谱的融合，实现动作识别，提高了识别准确率。
Description
技术领域
本申请涉及动作识别技术领域，特别的，尤其涉及一种动作识别方法及装置。
背景技术
目前，在动作识别技术领域，基于人体关键点的动作识别方案已经被广泛应用，如基于关键点的图神经网络来实现动作的识别，但很多人体动作仅使用单一的关键点信息，并不能被准确判断出动作类型，比如跳交谊舞和跳伦巴舞。
发明内容
鉴于上述内容中的问题，本申请提供了一种动作识别方法及装置，通过人体关键点与声音知识图谱的融合，来实现动作识别，提高识别准确率。
为了实现上述目的，本申请提供了以下技术方案：
一种动作识别方法，包括：
获取包含音频数据和图像数据的多媒体视频数据；
对所述多媒体视频数据进行解析，得到对应的音频数据和图像数据；
从所述图像数据中提取人体关键点信息，通过关键点时序网络进行动作识别，生成第一识别结果，所述关键点时序网络为基于关键点信息的动作识别网络；
将所述音频数据转化为文字信息，通过预设知识图谱对所述文字信息进行分析，生成第二识别结果，所述预设知识图谱为包含以动作名称为节点的知识图谱；
将所述第一识别结果和所述第二识别结果输入至预设融合网络，生成所述多媒体视频数据对应的动作预测。
进一步的，所述对所述多媒体视频数据进行解析，得到对应的音频数据和图像数据，包括：
对所述多媒体视频数据进行声音分离处理，得到对应的声音文件，生成所述音频数据；
对所述多媒体视频数据进行图像分离处理，得到对应的动作视频，生成所述图像数据。
进一步的，所述关键点时序网络的构建方法，包括：
获取包含人体关键点的动作视频，将其作为样本数据；
从所述动作视频中提取关键点信息，将所述关键点信息作为带时间的图神经网络的训练集，对所述带时间的图神经网络进行训练，得到所述关键点时序网络。
进一步的，所述预设知识图谱的生成方法，包括：
获取包含动作名称的文字信息，将其作为样本数据；
从所述文字信息中提取动作名称，将所述动作名称作为知识图谱中的实体，构建所述预设知识图谱。
一种动作识别装置，包括：
获取包含音频数据和图像数据的多媒体视频数据；
对所述多媒体视频数据进行解析，得到对应的音频数据和图像数据；
从所述图像数据中提取人体关键点信息，通过关键点时序网络进行动作识别，生成第一识别结果，所述关键点时序网络为基于关键点信息的动作识别网络；
将所述音频数据转化为文字信息，通过预设知识图谱对所述文字信息进行分析，生成第二识别结果，所述预设知识图谱为包含以动作名称为节点的知识图谱；
将所述第一识别结果和所述第二识别结果输入至预设融合网络，生成所述多媒体视频数据对应的动作预测。
进一步的，所述第二处理单元具体用于：
对所述多媒体视频数据进行声音分离处理，得到对应的声音文件，生成所述音频数据；
对所述多媒体视频数据进行图像分离处理，得到对应的动作视频，生成所述图像数据。
进一步的，所述第三处理单元具体用于：
获取包含人体关键点的动作视频，将其作为样本数据；
从所述动作视频中提取关键点信息，将所述关键点信息作为带时间的图神经网络的训练集，对所述带时间的图神经网络进行训练，得到所述关键点时序网络。
进一步的，所述第四处理单元具体用于：
获取包含动作名称的文字信息，将其作为样本数据；
从所述文字信息中提取动作名称，将所述动作名称作为知识图谱中的实体，构建所述预设知识图谱。
一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在的设备执行如上述所述的动作识别方法。
一种电子设备，所述电子设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行如上述所述的动作识别方法。
本申请所述的动作识别方法及装置，在获取包含音频数据和图像数据的多媒体视频数据后；对所述多媒体视频数据进行解析，得到对应的音频数据和图像数据；从所述图像数据中提取人体关键点信息，通过关键点时序网络进行动作识别，生成第一识别结果，所述关键点时序网络为基于关键点信息的动作识别网络；将所述音频数据转化为文字信息，通过预设知识图谱对所述文字信息进行分析，生成第二识别结果，所述预设知识图谱为包含以动作名称为节点的知识图谱；将所述第一识别结果和所述第二识别结果输入至预设融合网络，生成所述多媒体视频数据对应的动作预测。本申请通过人体关键点与声音知识图谱的融合，实现动作识别，提高了识别准确率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例公开的一种动作识别方法的流程示意图；
图2为本申请实施例公开的一种动作识别方法流程示意图；
图3为本申请实施例公开的一种动作识别装置的结构示意图；
图4为本申请实施例公开的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
请参见附图1，为本申请实施例提供的一种动作识别方法流程示意图。如图1所示，本申请实施例提供了一种动作识别方法，该方法包括如下步骤：
S101：获取包含音频数据和图像数据的多媒体视频数据；
本步骤中，多媒体视频数据是通过现场多媒体设备获取得到的，多媒体设备可以为视频摄像头或其他音视频设备。特别说明的是，多媒体视频数据包括音频数据和图像数据，因此，对应的多媒体设备需要具体音频收集和图像收集功能。
S102：对所述多媒体视频数据进行解析，得到对应的音频数据和图像数据；
本步骤中，上述对所述多媒体视频数据进行解析，得到对应的音频数据和图像数据，包括：对所述多媒体视频数据进行声音分离处理，得到对应的声音文件，生成所述音频数据；对所述多媒体视频数据进行图像分离处理，得到对应的动作视频，生成所述图像数据。
需要说明的是，需要从多媒体视频数据中分离出声音文件和动作视频，才能得到对应的音频数据和图像数据。
S103：从所述图像数据中提取人体关键点信息，通过关键点时序网络进行动作识别，生成第一识别结果，所述关键点时序网络为基于关键点信息的动作识别网络；
本步骤中，需要先从图像数据中提取人体关键点信息，通过关键点时序网络进行动作识别，生成第一识别结果，如图2所示，具体的，所述预设动作识别网络为基于关键点信息的动作识别网络。
需要说明的是，所述关键点时序网络的构建方法，包括：获取包含人体关键点的动作视频，将其作为样本数据；从所述动作视频中提取关键点信息，将所述关键点信息作为带时间的图神经网络的训练集，对所述带时间的图神经网络进行训练，得到所述关键点时序网络。
S104：将所述音频数据转化为文字信息，通过预设知识图谱对所述文字信息进行分析，生成第二识别结果，所述预设知识图谱为包含以动作名称为节点的知识图谱；
本步骤中，需要先将音频数据通过语音转换方法转化为文字信息，通过预设知识图谱对所述文字信息进行分析，生成第二识别结果，如图2所示，所述关键点时序网络为基于关键点信息的动作识别网络。
需要说明的是，所述预设知识图谱的生成方法，包括：获取包含动作名称的文字信息，将其作为样本数据；从所述文字信息中提取动作名称，将所述动作名称作为知识图谱中的实体，构建所述预设知识图谱。
S105：将所述第一识别结果和所述第二识别结果输入至预设融合网络，生成所述多媒体视频数据对应的动作预测。
本申请实施例通过人体关键点与声音知识图谱的融合，实现动作识别，提高了识别准确率。
本申请实施例提供的一种动作识别方法，在获取包含音频数据和图像数据的多媒体视频数据后；对所述多媒体视频数据进行解析，得到对应的音频数据和图像数据；从所述图像数据中提取人体关键点信息，通过关键点时序网络进行动作识别，生成第一识别结果，所述关键点时序网络为基于关键点信息的动作识别网络；将所述音频数据转化为文字信息，通过预设知识图谱对所述文字信息进行分析，生成第二识别结果，所述预设知识图谱为包含以动作名称为节点的知识图谱；将所述第一识别结果和所述第二识别结果输入至预设融合网络，生成所述多媒体视频数据对应的动作预测。本申请实施例通过人体关键点与声音知识图谱的融合，实现动作识别，提高了识别准确率。
请参阅图3，基于上述实施例公开的一种动作识别方法，本实施例对应公开了一种动作识别装置，该装置包括：
第一处理单元301，用于获取包含音频数据和图像数据的多媒体视频数据；
第二处理单元302，用于对所述多媒体视频数据进行解析，得到对应的音频数据和图像数据；
第三处理单元303，用于从所述图像数据中提取人体关键点信息，通过关键点时序网络进行动作识别，生成第一识别结果，所述关键点时序网络为基于关键点信息的动作识别网络；
第四处理单元304，用于将所述音频数据转化为文字信息，通过预设知识图谱对所述文字信息进行分析，生成第二识别结果，所述预设知识图谱为包含以动作名称为节点的知识图谱；
第五处理单元305，用于将所述第一识别结果和所述第二识别结果输入至预设融合网络，生成所述多媒体视频数据对应的动作预测。
进一步的，所述第二处理单元302具体用于：
对所述多媒体视频数据进行声音分离处理，得到对应的声音文件，生成所述音频数据；
对所述多媒体视频数据进行图像分离处理，得到对应的动作视频，生成所述图像数据。
进一步的，所述第三处理单元303具体用于：
获取包含人体关键点的动作视频，将其作为样本数据；
从所述动作视频中提取关键点信息，将所述关键点信息作为带时间的图神经网络的训练集，对所述带时间的图神经网络进行训练，得到所述关键点时序网络。
进一步的，所述第四处理单元304具体用于：
获取包含动作名称的文字信息，将其作为样本数据；
从所述文字信息中提取动作名称，将所述动作名称作为知识图谱中的实体，构建所述预设知识图谱。
所述动作识别装置包括处理器和存储器，上述第一处理单元、第二处理单元和第三处理单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来达到通过人体关键点与声音知识图谱的融合，实现动作识别，提高了识别准确率的目的。
本申请实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现所述动作识别方法。
本申请实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述动作识别方法。
本申请实施例提供了一种电子设备，如图4所示，该电子设备40包括至少一个处理器401、以及与所述处理器连接的至少一个存储器402、总线403；其中，所述处理器401、所述存储器402通过所述总线403完成相互间的通信；处理器401用于调用所述存储器402中的程序指令，以执行上述的所述动作识别方法。
本文中的电子设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：
获取包含音频数据和图像数据的多媒体视频数据；
对所述多媒体视频数据进行解析，得到对应的音频数据和图像数据；
从所述图像数据中提取人体关键点信息，通过关键点时序网络进行动作识别，生成第一识别结果，所述关键点时序网络为基于关键点信息的动作识别网络；
将所述音频数据转化为文字信息，通过预设知识图谱对所述文字信息进行分析，生成第二识别结果，所述预设知识图谱为包含以动作名称为节点的知识图谱；
将所述第一识别结果和所述第二识别结果输入至预设融合网络，生成所述多媒体视频数据对应的动作预测。
进一步的，所述对所述多媒体视频数据进行解析，得到对应的音频数据和图像数据，包括：
对所述多媒体视频数据进行声音分离处理，得到对应的声音文件，生成所述音频数据；
对所述多媒体视频数据进行图像分离处理，得到对应的动作视频，生成所述图像数据。
进一步的，所述关键点时序网络的构建方法，包括：
获取包含人体关键点的动作视频，将其作为样本数据；
从所述动作视频中提取关键点信息，将所述关键点信息作为带时间的图神经网络的训练集，对所述带时间的图神经网络进行训练，得到所述关键点时序网络。
进一步的，所述预设知识图谱的生成方法，包括：
获取包含动作名称的文字信息，将其作为样本数据；
从所述文字信息中提取动作名称，将所述动作名称作为知识图谱中的实体，构建所述预设知识图谱。
本申请是根据本申请实施例的方法、设备(系统)、计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
在一个典型的配置中，设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种动作识别方法，其特征在于，包括：
获取包含音频数据和图像数据的多媒体视频数据；
对所述多媒体视频数据进行解析，得到对应的音频数据和图像数据；
从所述图像数据中提取人体关键点信息，通过关键点时序网络进行动作识别，生成第一识别结果，所述关键点时序网络为基于关键点信息的动作识别网络；
将所述音频数据转化为文字信息，通过预设知识图谱对所述文字信息进行分析，生成第二识别结果，所述预设知识图谱为包含以动作名称为节点的知识图谱；
将所述第一识别结果和所述第二识别结果输入至预设融合网络，生成所述多媒体视频数据对应的动作预测。
2.根据权利要求1所述的方法，其特征在于，所述对所述多媒体视频数据进行解析，得到对应的音频数据和图像数据，包括：
对所述多媒体视频数据进行声音分离处理，得到对应的声音文件，生成所述音频数据；
对所述多媒体视频数据进行图像分离处理，得到对应的动作视频，生成所述图像数据。
3.根据权利要求1所述的方法，其特征在于，所述关键点时序网络的构建方法，包括：
获取包含人体关键点的动作视频，将其作为样本数据；
从所述动作视频中提取关键点信息，将所述关键点信息作为带时间的图神经网络的训练集，对所述带时间的图神经网络进行训练，得到所述关键点时序网络。
4.根据权利要求1所述的方法，其特征在于，所述预设知识图谱的生成方法，包括：
获取包含动作名称的文字信息，将其作为样本数据；
从所述文字信息中提取动作名称，将所述动作名称作为知识图谱中的实体，构建所述预设知识图谱。
5.一种动作识别装置，其特征在于，包括：
第一处理单元，用于获取包含音频数据和图像数据的多媒体视频数据；
第二处理单元，用于对所述多媒体视频数据进行解析，得到对应的音频数据和图像数据；
第三处理单元，用于从所述图像数据中提取人体关键点信息，通过关键点时序网络进行动作识别，生成第一识别结果，所述关键点时序网络为基于关键点信息的动作识别网络；
第四处理单元，用于将所述音频数据转化为文字信息，通过预设知识图谱对所述文字信息进行分析，生成第二识别结果，所述预设知识图谱为包含以动作名称为节点的知识图谱；
第五处理单元，用于将所述第一识别结果和所述第二识别结果输入至预设融合网络，生成所述多媒体视频数据对应的动作预测。
6.根据权利要求5所述的装置，其特征在于，所述第二处理单元具体用于：
对所述多媒体视频数据进行声音分离处理，得到对应的声音文件，生成所述音频数据；
对所述多媒体视频数据进行图像分离处理，得到对应的动作视频，生成所述图像数据。
7.根据权利要求5所述的装置，其特征在于，所述第三处理单元具体用于：
获取包含人体关键点的动作视频，将其作为样本数据；
从所述动作视频中提取关键点信息，将所述关键点信息作为带时间的图神经网络的训练集，对所述带时间的图神经网络进行训练，得到所述关键点时序网络。
8.根据权利要求5所述的装置，其特征在于，所述第四处理单元具体用于：
获取包含动作名称的文字信息，将其作为样本数据；
从所述文字信息中提取动作名称，将所述动作名称作为知识图谱中的实体，构建所述预设知识图谱。
9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在的设备执行如权利要求1至4中任一项所述的动作识别方法。
10.一种电子设备，其特征在于，所述电子设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行如权利要求1至4中任一项所述的动作识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111235726.XA CN114022955A (zh) | 2021-10-22 | 2021-10-22 | 一种动作识别方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111235726.XA CN114022955A (zh) | 2021-10-22 | 2021-10-22 | 一种动作识别方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114022955A true CN114022955A (zh) | 2022-02-08 |
Family
ID=80057333
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111235726.XA Pending CN114022955A (zh) | 2021-10-22 | 2021-10-22 | 一种动作识别方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114022955A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114677650A (zh) * | 2022-05-25 | 2022-06-28 | 武汉卓鹰世纪科技有限公司 | 地铁乘客行人违法行为智能分析方法及装置 |
| CN114724078A (zh) * | 2022-03-28 | 2022-07-08 | 西南交通大学 | 基于目标检测网络与知识推理的人员行为意图识别方法 |
-
2021
- 2021-10-22 CN CN202111235726.XA patent/CN114022955A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114724078A (zh) * | 2022-03-28 | 2022-07-08 | 西南交通大学 | 基于目标检测网络与知识推理的人员行为意图识别方法 |
| CN114677650A (zh) * | 2022-05-25 | 2022-06-28 | 武汉卓鹰世纪科技有限公司 | 地铁乘客行人违法行为智能分析方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106887225B (zh) | 基于卷积神经网络的声学特征提取方法、装置和终端设备 | |
| CN109514586B (zh) | 实现智能客服机器人的方法及系统 | |
| CN114022955A (zh) | 一种动作识别方法及装置 | |
| CN110569428A (zh) | 一种推荐模型的构建方法、装置及设备 | |
| CN115544304A (zh) | 文件解析方法、装置、可读存储介质及文件解析设备 | |
| CN114333852A (zh) | 一种多说话人语音人声分离方法、终端设备及存储介质 | |
| CN113989924A (zh) | 一种暴力行为的预警方法及装置 | |
| CN112749299A (zh) | 确定视频类型的方法、装置、电子设备及可读存储介质 | |
| CN111292725B (zh) | 一种语音解码方法及装置 | |
| CN106599637B (zh) | 一种在验证界面输入验证码的方法和装置 | |
| CN113963440A (zh) | 一种客户购买意愿分析方法及装置 | |
| CN111951790A (zh) | 一种语音处理方法、装置、终端及存储介质 | |
| CN110931017A (zh) | 一种充电桩用充电交互方法及充电桩用充电交互装置 | |
| CN116129881A (zh) | 语音任务处理方法、装置、电子设备及存储介质 | |
| CN115171735A (zh) | 一种语音活动检测方法、存储介质及电子设备 | |
| CN113176988B (zh) | 数据记录方法及装置 | |
| CN114861640A (zh) | 文本摘要模型的训练方法及装置 | |
| CN110297807B (zh) | 一种二维码管理方法和装置 | |
| CN113762056A (zh) | 演唱视频识别方法、装置、设备及存储介质 | |
| CN113971459A (zh) | 分类网络模型的训练方法、装置以及电子设备 | |
| CN112215114A (zh) | 一种目标识别方法、装置、设备及计算机可读存储介质 | |
| CN114022954A (zh) | 一种服务标准化方法及装置 | |
| CN111124399A (zh) | 弹窗组件的处理方法及装置、存储介质及处理器 | |
| CN114418130B (zh) | 一种模型训练方法、数据处理方法及相关设备 | |
| CN117059082B (zh) | 基于大模型的外呼通话方法、装置、介质和计算机设备 |
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 |