CN115035596A - 行为检测的方法及装置、电子设备和存储介质 - Google Patents
行为检测的方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115035596A CN115035596A CN202210629456.9A CN202210629456A CN115035596A CN 115035596 A CN115035596 A CN 115035596A CN 202210629456 A CN202210629456 A CN 202210629456A CN 115035596 A CN115035596 A CN 115035596A
- Authority
- CN
- China
- Prior art keywords
- convolution
- fusion
- space
- spatial
- diagram
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 115
- 238000003860 storage Methods 0.000 title claims abstract description 23
- 238000010586 diagram Methods 0.000 claims abstract description 216
- 230000004927 fusion Effects 0.000 claims abstract description 169
- 230000033001 locomotion Effects 0.000 claims abstract description 87
- 239000011159 matrix material Substances 0.000 claims abstract description 82
- 238000000034 method Methods 0.000 claims description 109
- 230000006399 behavior Effects 0.000 claims description 72
- 230000006870 function Effects 0.000 claims description 28
- 238000000605 extraction Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 11
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 description 30
- 238000012545 processing Methods 0.000 description 27
- 230000009471 action Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000005192 partition Methods 0.000 description 8
- 230000002123 temporal effect Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000011176 pooling Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 210000000988 bone and bone Anatomy 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 101150041570 TOP1 gene Proteins 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
-
- 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
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
- G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Psychiatry (AREA)
- Computational Linguistics (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种行为检测的方法及装置、电子设备和存储介质,涉及行为检测技术领域。其中,所述的行为检测的方法,包括:提取获取的待处理视频图像中多时刻视频帧的感兴趣目标对应的关节点信息序列及关节点的运动速度信息序列;分别对关节点信息序列及运动速度信息序列进行空间特征提取,得到对应的第一空间特征及第二空间特征;并对第一空间特征及第二空间特征进行特征融合,得到初始融合特征;利用获取的设定滑动时空窗口对初始融合特征进行滑动空间卷积操作,得到第一时空图及第一邻接矩阵;并基于第一邻接矩阵对初始融合特征进行空间卷积操作,得到第一卷积图;对第一时空图及第一卷积图进行融合,得到行为特征;基于行为特征完成行为检测。
Description
技术领域
本公开涉及行为检测技术领域,尤其涉及一种行为检测的方法及装置、电子设备和存储介质。
背景技术
近年来大部分的时空图卷积网络是以空间图卷积和时间图卷积交替进行的,首先利用空间图卷积提取每一帧的骨架的空间特征,然后利用时间图卷积网络提取连续帧 骨架序列的时间特征。这种特征提取方式使得相邻视频帧的不同关节点必须经过一层 空间卷积和一层时间卷积才能建立联系,若视频帧在时序上距离越远则需要通过更多 层的卷积才能建立联系,从而在卷积过程中会出现很多冗余特征,削弱原本的联系, 使得长时序动作识别率下降。
发明内容
本公开提出了一种行为检测的方法及装置、电子设备和存储介质技术方案。
根据本公开的一方面,提供了一种行为检测方法,包括:
提取获取的待处理视频图像中多时刻视频帧的感兴趣目标对应的关节点信息序列 及关节点的运动速度信息序列;
分别对所述关节点信息序列及运动速度信息序列进行空间特征提取,得到对应的第一空间特征及第二空间特征;并对所述第一空间特征及所述第二空间特征进行特征 融合,得到初始融合特征;
利用获取的设定滑动时空窗口对所述初始融合特征进行滑动空间卷积操作,得到第一时空图及第一邻接矩阵;并基于所述第一邻接矩阵对所述初始融合特征进行空间 卷积操作,得到第一卷积图;对所述第一时空图及第一卷积图进行融合,得到行为特 征;基于所述行为特征完成行为检测。
优选地,所述提取获取的待处理视频图像中多时刻视频帧的感兴趣目标对应的关节点信息序列及关节点的运动速度信息序列的方法,包括:
获取待处理的视频图像;
提取所述视频图像中多时刻视频帧对应的多个人体骨架序列;
从所述多个人体骨架序列中确定感兴趣目标的人体骨架序列,并确定所述感兴趣目标的人体骨架序列的关节点信息序列及关节点的运动速度信息序列。
优选地,所述提取所述视频图像中多时刻视频帧的多个人体骨架序列的方法,包括:
获取目标检测网络;
利用所述目标检测网络,对所述视频图像中多个设定目标进行目标检测,得到对应的多个目标检测序列图;
分别对所述多个目标检测序列图进行目标跟踪,得到对应的多个目标跟踪序列图;
分别对所述多个目标跟踪序列图进行关键点提取,得到所述视频图像中多时刻视频帧的多个人体骨架序列。
优选地,所述分别对所述多个目标检测序列图进行目标跟踪,得到对应的多个目标跟踪序列图的方法,包括:
对所述多个目标检测序列图进行跟踪状态预测,得到对应的多个预测序列图;
计算目标检测序列图及预测序列图的马氏距离及最小余弦距离,并根据所述马氏距离及最小余弦距离确定同一目标的身份,进而得到多个目标中每个目标对应的跟踪 序列图。
优选地,所述分别对所述关节点信息序列及运动速度信息序列进行空间特征提取, 得到对应的第一空间特征及第二空间特征;并对所述第一空间特征及所述第二空间特征进行特征融合,得到融合特征的方法,包括:
利用获取的设定滑动时空窗口对所述关节点信息序列进行滑动空间卷积操作,得到第二时空图及第二邻接矩阵;并基于所述第二邻接矩阵对所述关节点信息序列进行 空间卷积操作,得到第二卷积图;对所述第二时空图及第二卷积图进行融合,得到第 一空间特征;以及,
利用获取的设定滑动时空窗口对所述运动速度信息序列进行滑动空间卷积操作,得到第三时空图及第三邻接矩阵;并基于所述第三邻接矩阵对所述关节点信息序列进 行空间卷积操作,得到第三卷积图;对所述第三时空图及第三卷积图进行融合,得到 第二空间特征;
以及/或,
所述对所述第一空间特征及所述第二空间特征进行特征融合,得到融合特征的方法,包括:
对所述第一空间特征及所述第二空间特征进行拼接或相加操作,得到融合特征。
优选地,所述利用获取的设定滑动时空窗口对所述关节点信息序列进行滑动空间卷积操作,得到第二时空图及第二邻接矩阵的方法,包括:
获取设定大小的第一滑动窗口,按照设定第一步长控制所述第一滑动窗口在所述关节点信息序列上进行滑动,得到第一滑动窗口特征;基于所述第一滑动窗口特征进 行空间卷积操作,得到第二时空图;基于所述第一滑动窗口中某一帧标定的关节点到 其他帧相同标定的关节点和设定邻域的连接关系得到第二邻接矩阵;
以及/或,
所述基于所述第二邻接矩阵对所述关节点信息序列进行空间卷积操作,得到第二卷积图的方法,包括:
分别基于所述关节点信息序列及获取的多个设定嵌入函数,确定对应的多个第一数据关联图;
分别将所述多个第一数据关联图与对应的所述第二邻接矩阵的集合进行融合,得到第一关联融合特征;所述第一关联融合特征与所述关节点信息序列进行融合,得到 第一关联关节点融合特征;所述第一关联关节点融合特征乘以第一设定权重值,得到 第二卷积图;
以及/或,
所述利用获取的设定滑动时空窗口对所述运动速度信息序列进行滑动空间卷积操 作,得到第三时空图及第三邻接矩阵的方法,包括:
获取设定大小的第二滑动窗口,按照设定第二步长控制所述第二滑动窗口在所述运动速度信息序列上进行滑动,得到第二滑动窗口特征;基于所述第二滑动窗口特征 进行空间卷积操作,得到第三时空图;基于所述第二滑动窗口中某一帧标定的关节点 到其他帧相同标定的关节点和设定邻域的连接关系得到第三邻接矩阵;
以及/或,所述基于所述第三邻接矩阵对所述关节点信息序列进行空间卷积操作,得到第三卷积图的方法,包括:
分别基于所述运动速度信息及获取的多个设定嵌入函数,确定对应的多个第二数据关联图;
分别将所述多个第二数据关联图与对应的所述第三邻接矩阵的集合进行融合,得到第二关联融合特征;所述第二关联融合特征与所述运动速度信息序列进行融合,得 到第二关联运动速度融合特征;所述第二关联运动速度融合特征乘以第二设定权重值, 得到第三卷积图;
以及/或,
所述对所述第二时空图及第二卷积图进行融合,得到第一空间特征的方法,包括:
对所述第二时空图及第二卷积图进行融合,得到第一关节点融合特征图;所述第一关节点融合特征图与所述关节点信息序列进行融合,得到第二关节点融合特征图; 计算所述第二关节点融合特征图对应的第一注意力权重,根据所述第二关节点融合特 征图及其对应的第一注意力权重得到第一空间特征;
以及/或,
所述对所述第三时空图及第三卷积图进行融合,得到第二空间特征的方法,包括:
对所述第三时空图及第三卷积图进行融合,得到第一运动速度融合特征图;所述第一运动速度融合特征图与所述运动速度信息序列进行融合,得到第三运动速度融合 特征图;计算所述第二运动速度融合特征图对应的第二注意力权重,根据所述第二运 动速度融合特征图及其对应的第二注意力权重得到第二空间特征。
优选地,所述利用获取的设定滑动时空窗口对所述融合特征进行滑动空间卷积操作,得到第一时空图及第一邻接矩阵的方法,包括:
获取设定大小的第三滑动窗口,按照设定第三步长控制所述第三滑动窗口在所述融合特征上进行滑动,得到第三滑动窗口特征;基于所述第三滑动窗口特征进行空间 卷积操作,得到第一时空图;基于所述第三滑动窗口中某一帧标定的关节点到其他帧 相同标定的关节点和设定邻域的连接关系得到第一邻接矩阵;
以及/或,
所述基于所述第一邻接矩阵对所述融合特征进行空间卷积操作,得到第一卷积图的方法,包括:
分别基于所述融合特征及获取的多个设定嵌入函数,确定对应的多个第三数据关联图;
分别将所述多个第三数据关联图与对应的所述第三邻接矩阵的集合进行融合,得到第二关联融合特征;所述第三关联融合特征与所述融合特征进行融合,得到第三关 联运动速度融合特征;所述第三关联运动速度融合特征乘以第三设定权重值,得到第 一卷积图。
优选地,所述对所述第一时空图及第一卷积图进行融合,得到行为特征的方法,包括:
对所述第一时空图及第一卷积图进行融合,得到第一融合特征图;所述第一融合特征图与所述初始融合特征再次进行融合,得到第二融合特征图;计算所述第二融合 特征图对应的第一注意力权重,根据所述第二融合特征图及其对应的第三注意力权重 得到行为特征。
根据本公开的一方面,提供了一种行为检测装置,包括:
提取单元,用于提取获取的待处理视频图像中多时刻视频帧的感兴趣目标对应的关节点信息序列及关节点的运动速度信息序列;
融合模块,用于分别对所述关节点信息序列及运动速度信息序列进行空间特征提取,得到对应的第一空间特征及第二空间特征;并对所述第一空间特征及所述第二空 间特征进行特征融合,得到初始融合特征;
检测模型,用于利用获取的设定滑动时空窗口对所述初始融合特征进行滑动空间卷积操作,得到第一时空图及第一邻接矩阵;并基于所述第一邻接矩阵对所述初始融 合特征进行空间卷积操作,得到第一卷积图;对所述第一时空图及第一卷积图进行融 合,得到行为特征;基于所述行为特征完成行为检测。
根据本公开的一方面,提供了一种电子设备,包括:处理器;及,用于存储处理 器可执行指令的存储器;
其中,所述处理器被配置为:执行上述行为检测方法。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述行为检测方法。
在本公开实施例中,可解决经多次卷积产生的冗余信息的问题,以实现捕获更长时间的行为时空特征,减小网络计算负担,减少计算资源占用。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例行为检测的方法流程图;
图2示出根据本公开实施例行为检测的具体实施过程的流程图;
图3示出根据本公开实施例行为检测的跨时空自适应图卷积模块(CS-AGC)的模型结构示意图;
图4示出根据本公开实施例行为检测的跨时空自适应图卷积模块(CS-AGC)的模型中确定的邻接矩阵示意图;
图5是根据一示例性实施例示出的一种电子设备800的框图;
图6是根据一示例性实施例示出的一种电子设备1900的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但 是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。 另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组 合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择 的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中, 对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公 开的主旨。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。
此外,本公开还提供了行为检测的装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种行为检测的方法,相应技术方案和描述和参见 方法部分的相应记载,不再赘述。
图1示出根据本公开实施例行为检测的方法的流程图,如图1所示,所述行为检测的方法,包括:步骤S101:提取获取的待处理视频图像中多时刻视频帧的感兴趣目标 对应的关节点信息序列及关节点的运动速度信息序列;步骤S102:分别对所述关节点 信息序列及运动速度信息序列进行空间特征提取,得到对应的第一空间特征及第二空 间特征;并对所述第一空间特征及所述第二空间特征进行特征融合,得到初始融合特 征;步骤S103:利用获取的设定滑动时空窗口对所述初始融合特征进行滑动空间卷积 操作,得到第一时空图及第一邻接矩阵;并基于所述第一邻接矩阵对所述初始融合特 征进行空间卷积操作,得到第一卷积图;对所述第一时空图及第一卷积图进行融合, 得到行为特征;基于所述行为特征完成行为检测。可解决经多次卷积产生的冗余信息 的问题,以实现捕获更长时间的行为时空特征,减小网络计算负担,减少计算资源占 用。
图2示出根据本公开实施例行为检测的具体实施过程的流程图。在图2中给,所述行为检测的具体实施过程,包括:步骤S101-步骤S103。
步骤S101:提取获取的待处理视频图像中多时刻视频帧的感兴趣目标对应的关节点信息序列及关节点的运动速度信息序列。
在本公开的实施例及其他可能的实施例中,利用摄像机、录像机、摄影机等装置拍摄待处理视频图,其中所述待处理视频图像中包含多时刻视频帧,每个时刻视频帧 可看成一张图像。
在本公开的实施例中,所述提取获取的待处理视频图像中多时刻视频帧的感兴趣目标对应的关节点信息序列及关节点的运动速度信息序列的方法,包括:获取待处理 的视频图像;提取所述视频图像中多时刻视频帧对应的多个人体骨架序列;从所述多 个人体骨架序列中确定感兴趣目标的人体骨架序列,并确定所述感兴趣目标的人体骨 架序列的关节点信息序列及关节点的运动速度信息序列。
在本公开的实施例中,所述提取所述视频图像中多时刻视频帧的多个人体骨架序列的方法,包括:获取目标检测网络;利用所述目标检测网络,对所述视频图像中多 个设定目标进行目标检测,得到对应的多个目标检测序列图;分别对所述多个目标检 测序列图进行目标跟踪,得到对应的多个目标跟踪序列图;分别对所述多个目标跟踪 序列图进行关键点提取,得到所述视频图像中多时刻视频帧的多个人体骨架序列。
在本公开的实施例及其他可能的实施例中,所述目标检测网络可为YOLO目标检测网络,例如YOLOv5目标检测网络;利用YOLO目标检测网络所述视频图像中多个设定 目标进行目标检测,得到对应的多个目标检测序列图。例如,多个设定目标可为人、 动物或者机器人等。又例如,所述视频图像具有20帧图像(20张连续的图像),利用YOLO 目标检测网络所述视频图像中多个设定目标进行目标检测,得到20帧图像的目标检测 序列图。
在本公开的实施例中,所述分别对所述多个目标检测序列图进行目标跟踪,得到对应的多个目标跟踪序列图的方法,包括:对所述多个目标检测序列图进行跟踪状态 预测,得到对应的多个预测序列图;计算目标检测序列图及预测序列图的马氏距离及 最小余弦距离,并根据所述马氏距离及最小余弦距离确定同一目标的身份,进而得到 多个目标中每个目标对应的跟踪序列图。
在本公开的实施例及其他可能的实施例中,在所述分别对所述多个目标检测序列图进行目标跟踪,得到对应的多个目标跟踪序列图之前,确定所述设定目标的数目, 若所述数目大于1,则获取设定目标跟踪算法,利用设定目标跟踪算法对所述多个目标 检测序列图进行目标跟踪,得到对应的多个目标跟踪序列图。
例如,所述的设定目标跟踪算法可为DeepSort算法,当场景中存在多个设定目标时, 可进行DeepSort算法进行跟踪。利用YOLO目标检测网络所述视频图像中多个设定目标进行目标检测,得到位置特征。将所述位置特征和视频图像输入DeepSort算法,得到设 定目标的检测框序列,将设定目标的检测框序列作为对应的多个目标检测序列图。
在本公开的实施例及其他可能的实施例中,跟踪状态预测:首先定义YOLOv5的检测集合Detection,YOLOv5的用于存储当前帧检测到的目标的检测框坐标数据。YOLOv5的跟踪集合Track用于存储历史坐标数据,以及丢失帧计数n。当检测集合 Detection集合为空集时,则丢失帧计数n+1,当丢失帧计数n大于设定阈值时,则认为 该目标消失,然后在跟踪集合Track中删除该目标的历史数据。当检测集合Detection不 为空时,则丢失帧计数n=0。利用目标所在位置、运动速度、宽高比、加速度等信息使 用卡尔曼滤波器预测下一时刻目标状态。通过计算当前时刻目标状态与下一时刻目标 状态的协方差矩阵,计算卡尔曼增益,不断更新当前时刻目标状态,使真实值与预测 值之间的误差越来越小,从而完成移动目标的轨迹预测的过程。
在本公开的实施例及其他可能的实施例中,获取身份ID(同一个目标的身份ID):计算物体检测框和物体跟踪框之间的马氏距离。通过求解所有已知的目标中的真实检 测框的外观特征与预测检测框的外观特征的最小余弦距离。
在本公开的实施例及其他可能的实施例中,级联匹配:当人物经长时间遮挡后,预测的不确定性会提高,此时采用级联匹配方法,对更加频繁出现的目标赋予优先权。
在本公开的实施例及其他可能的实施例中,跟踪优化:由于检测目标匹配了错误的轨迹,相似目标跟踪过程经常出现身份转换问题。因此需要在级联匹配后计算检测 目标上一帧和当前目标检测框的欧式距离,当距离大于检测框宽度的设定系数时,则 重新匹配身份ID;其中,所述设定系数可配置为1/4。
在本公开的实施例及其他可能的实施例中,所述分别对所述多个目标跟踪序列图进行关键点提取,得到所述视频图像中多时刻视频帧的多个人体骨架序列的方法,包 括:分别对所述多个目标跟踪序列图中的检测框进行提取,并调整所述检测框;计算 调整后的检测框中的姿态相似度,去除相似度小于设定相似度的冗余检测框,得到所 述视频图像中多时刻视频帧的多个人体骨架序列。
在本公开的实施例及其他可能的实施例中,在所述计算调整后的检测框中的姿态相似度,去除相似度小于设定相似度的冗余检测框,得到所述视频图像中多时刻视频 帧的多个人体骨架序列之前,对所述调整后的多个目标跟踪序列图进行数据增强,计 算数据增强后的检测框中的姿态相似度,去除相似度小于设定相似度的冗余检测框, 得到所述视频图像中多时刻视频帧的多个人体骨架序列。
例如,在图2中,用对称变换网络(Symmetric Spatial Transformer Network,SSTN) 分别对所述多个目标跟踪序列图中的检测框进行提取,并调整所述检测框,自动调整 检测框,使得定位更加准确;添加了姿态引导的样本生成器(Pose-Guided ProposalsGenerator,PGPG)对所述调整后的多个目标跟踪序列图进行数据扩充,进行数据增强; 使用姿态非极大值抑制(Pose NMS)计算检测框中的姿态相似度,去除相似度小于 设定相似度的冗余检测框,进而得到所述视频图像中多时刻视频帧的多个人体骨架序 列。
在本公开的实施例及其他可能的实施例中,从所述多个人体骨架序列中确定感兴趣目标的人体骨架序列。具体地说,待处理视频图像中可以可能包括多人,这时需要 从多人中选择某一个人或几个人作为感兴趣目标,进而确定所述感兴趣目标的人体骨 架序列的关节点信息序列及关节点的运动速度信息序列。
在本公开的实施例中,所述并确定所述感兴趣目标的人体骨架序列的关节点信息序列及关节点的运动速度信息序列的方法,包括:对所述感兴趣目标的人体骨架序列 的关节进行标定,得到多个标定关节点;确定所述感兴趣目标的人体骨架序列中的多 个中心点;分别确定多个标定关节点及其对应的中心点确定第一关节点信息序列;分 别计算多个标定关节点与其相邻的标定关节点的角度,得到第二关节点信息序列;其 中,所述关节点信息序列,包括:第一关节点信息序列以及/或第二关节点信息序列; 以及,分别计算所述多个标定关节点在t时刻及t+1时刻的相对位移,得到关节点的运动 速度信息序列。
在本公开的实施例及其他可能的实施例中,在所述对所述感兴趣目标的人体骨架序列的关节进行标定,得到多个标定关节点之前,对所述感兴趣目标的人体骨架序列 进行归一化。
在本公开的实施例及其他可能的实施例中,对所述感兴趣目标的人体骨架序列进行归一化,得到归一化的人体骨架序列其中,R表示实数空间,Cin表示 关节点坐标,Tin表示视频图像的帧数目,Vin表示人体骨架的关节数目。具体地,对所 述感兴趣目标的人体骨架序列的关节进行标定得到多个标定关节点:可将所有的关节 点作为标定关节点,可以从所有的关节点中选择需要的标定关节点。
在本公开的实施例及其他可能的实施例中,确定所述感兴趣目标的人体骨架序列中的多个中心点c;分别确定多个标定关节点及其对应的中心点确定第一关节点信息序列;所述分别确定多个标定关节点及其对应的中心点确定第一关节点信息序列的方法, 包括:多个标定关节点多分别与其对应的中心点做差,得到第一关节点信息序列。例 如,所述第一关节点信息序列中每一个关节点ri的公式为ri=x[:,:,i]-x[:,:,c],i代表第i 关节点。
在本公开的实施例及其他可能的实施例中,所述分别计算多个标定关节点与其相邻的标定关节点的角度,得到第二关节点信息序列的方法,包括:分别计算多个标定 关节点与其相邻的标定关节点的多个骨骼长度;基于所述骨骼长度得到第二关节点信 息序列。例如,相邻关节点骨骼长度li=x[:,:,i]-x[:.,:,iadj],其中,adj为与i相邻的关节点; 某个标定关节点与其相邻的标定关节点的角度αi计算公式为:
其中,li,w=(li,x+li,y+li,z),li,x,li,y,li,z分别为相邻关节点骨骼长度x、y、z三个方向的长度。
在本公开的实施例及其他可能的实施例中,所述关节点信息序列,至少包括:第一关节点信息序列及第二关节点信息序列的任一关节点信息序列。
在本公开的实施例及其他可能的实施例中,分别计算所述多个标定关节点在t时刻及 t+1时刻的相对位移,得到关节点的运动速度信息序列。具体地说,根据节点i在t时刻和t+1时刻处的相对位移,得到相对运动速度为st,则相对运动速度st的计算公式为 st=x[:,t+1,:]-x[:,t,:]。
步骤S102:分别对所述关节点信息序列及运动速度信息序列进行空间特征提取,得到对应的第一空间特征及第二空间特征;并对所述第一空间特征及所述第二空间特 征进行特征融合,得到初始融合特征。
在本公开的实施例及其他可能的实施例中,所述分别对所述关节点信息序列及运动速度信息序列进行空间特征提取,得到对应的第一空间特征及第二空间特征的方法, 包括:分别获取第一特征提取模型及第二特征提取模型;利用所述第一特征提取模型 对所述关节点信息序列进行特征提取,得到第一空间特征;利用所述第二特征提取模 型对所述运动速度信息序列进行特征提取,得到第二空间特征。其中,所述第一特征 提取模型及第二特征提取模型可以为基于深度学习的神经网络,例如,图2中的图卷积 网络GCN。
在公开的实施例中,所述分别对所述关节点信息序列及运动速度信息序列进行空间特征提取,得到对应的第一空间特征及第二空间特征的方法,包括:利用获取的设 定滑动时空窗口对所述关节点信息序列进行滑动空间卷积操作,得到第二时空图及第 二邻接矩阵;并基于所述第二邻接矩阵对所述关节点信息序列进行空间卷积操作,得 到第二卷积图;对所述第二时空图及第二卷积图进行融合,得到第一空间特征;以及, 利用获取的设定滑动时空窗口对所述运动速度信息序列进行滑动空间卷积操作,得到 第三时空图及第三邻接矩阵;并基于所述第三邻接矩阵对所述关节点信息序列进行空 间卷积操作,得到第三卷积图;对所述第三时空图及第三卷积图进行融合,得到第二 空间特征。
图3示出根据本公开实施例行为检测的跨时空自适应图卷积模块(CS-AGC)的模型结构示意图,滑动空间卷积操作是基于本公开提出的跨时空自适应图卷积模块 (CS-AGC)进行的。如图2所示,利用图3中的跨时空自适应图卷积模块(CS-AGC) 中的设定滑动时空窗口对所述关节点信息序列进行滑动空间卷积操作的次数n可配置 为2次,2个跨时空自适应图卷积模块(CS-AGC)为串联关系。
另外,在本公开的实施例及其他可能的实施例中,首先利用图卷积网络GCN对所述关节点信息序列进行图卷积操作,得到关节点图卷积特征;将所述关节点图卷积特 征输入跨时空自适应图卷积模块(CS-AGC),所述跨时空自适应图卷积模块(CS-AGC) 中配置的设定滑动时空窗口对所述关节点信息序列进行滑动空间卷积操作,得到第二 时空图及第二邻接矩阵;并基于所述第二邻接矩阵对所述关节点图卷积特征进行空间 卷积操作,得到第二卷积图;之后,对所述第二时空图及第二卷积图进行融合,得到 第一空间特征。
另外,在本公开的实施例及其他可能的实施例中,在所述利用图卷积网络GCN对所述关节点信息序列进行图卷积操作,得到关节点图卷积特征之前,对所述关节点信 息序列进行归一化,利用图卷积网络GCN对归一化的关节点信息序列进行图卷积操作, 得到关节点图卷积特征。
如图3所示,在每个跨时空自适应图卷积模块(CS-AGC)内,都包括至少一条自 适应图卷积支路(AGCN_SW)及一条空间图卷积支路,所述自适应图卷积支路 (AGCN_SW)对所述关节点图卷积特征或所述关节点信息序列进行滑动空间卷积操 作,得到第二时空图及第二邻接矩阵;基于所述空间图卷积支路,利用所述第二邻接 矩阵对图卷积特征或所述关节点信息序列进行空间卷积操作,得到第二卷积图。
在本公开的实施例及其他可能的实施例中,还包括:通道扩展模块或通道扩展层,在对所述关节点图卷积特征或所述关节点信息序列进行滑动空间卷积操作之前,利用 所述通道扩展模块或通道扩展层对所述关节点图卷积特征或所述关节点信息序列的通 道数进行扩展。其中,所述通道扩展模块或通道扩展层可为图3中的1×1的卷积核(Conv 1×1)。同时,在本公开的实施例及其他可能的实施例中,所述的自适应图卷积支路 (AGCN_SW)的数目可配置为2。
同时,在本公开的实施例及其他可能的实施例中,所述空间图卷积支路,还包括:自适应空间卷积层Spatial_Graph_A及与其级联的图轻量化时间图卷积模块 Temporal_Sep_Layer。利用所述第二邻接矩阵对图卷积特征或所述关节点信息序列依次 通过自适应空间卷积层Spatial_Graph_A及图轻量化时间图卷积模块 Temporal_Sep_Layer进行空间卷积操作,得到第二卷积图。
在本公开的实施例中,所述基于所述第二邻接矩阵对所述关节点信息序列进行空间卷积操作,得到第二卷积图的方法,包括:分别基于所述关节点信息序列及获取的 多个设定嵌入函数,确定对应的多个第一数据关联图;分别将所述多个第一数据关联 图与对应的所述第二邻接矩阵的集合进行融合,得到第一关联融合特征;所述第一关 联融合特征与所述关节点信息序列进行融合,得到第一关联关节点融合特征;所述第 一关联关节点融合特征乘以第一设定权重值,得到第二卷积图。
在本公开的实施例及其他可能的实施例中,所述自适应空间卷积层 Spatial_Graph_A内配置有K个分区,每个分区都包括多个设定嵌入函数。在每个分区中, 所述关节点信息序列或所述关节点图卷积特征分别输入所述多个设定嵌入函数,得到 嵌入特征;所述嵌入特征输入回归模型得到对应的多个第一数据关联图Bk;分别将所 述多个第一数据关联图与对应的所述第二邻接矩阵的集合进行融合,得到第一关联融 合特征;所述第一关联融合特征与所述关节点信息序列或所述关节点图卷积特征进行 融合,得到第一关联关节点融合特征;所述第一关联关节点融合特征乘以第一设定权 重值,得到每个分区的第二卷积图,将所有分区的第二卷积图作为最终的第二卷积图。
在本公开的实施例及其他可能的实施例中,如图3所示,所述自适应空间卷积层Spatial_Graph_A内配置有3个分区,每个分区都包括2个设定嵌入函数(第一设定嵌入 函数βk及第二设定嵌入函数ψk),在每个分区中,所述关节点信息序列或所述关节点 图卷积特征分别输入第一设定嵌入函数βk及第二设定嵌入函数ψk,得到嵌入特征;所 述嵌入特征输入回归模型得到对应的多个第一数据关联图Bk;分别将所述多个第一数 据关联图与对应的所述第二邻接矩阵的集合Ak进行相加(融合),得到第一关联融合特 征;所述第一关联融合特征与所述关节点信息序列或所述关节点图卷积特征进行相乘 (融合),得到第一关联关节点融合特征;所述第一关联关节点融合特征乘以第一设定 权重值,得到每个分区的第二卷积图。其中,回归模型可选择softmax逻辑回归模型。
在本公开的实施例及其他可能的实施例中,其中Ak的物理意义为人体的物理连接结构,Bk为数据关联图;数据关联图Bk可以经样本学习得到的参数,用于确定两个顶 点之间是否存在连接关系以及连接强度。通过计算骨架图中任意两节点(包括不相邻 的节点)间的连接关系,然后获取节点之间的远程依赖,最后根据归一化嵌入高斯函 数计算两节点之间的连接关系,如公式所示:
其中,fin′为给定的输入特征序列两个节点(vi,vj)之间的连接性,N为关节点数量,骨架中的任意两个节点分别用vi和vj代表,为相似度函数,用来计算当前 关注位置的信息vi和全局信息中存在潜在联系的vj是否存在相似性,之后将矩阵的值 进行归一化到[0,1],作为两个关键点的虚拟边。则数据关联图Bk的计算如公式所示:
因此自适应空间图卷积结构图计算过程可由公式表示。
其中,Wk表示子集的权重参数。
在本公开的实施例中,所述利用获取的设定滑动时空窗口对所述关节点信息序列进行滑动空间卷积操作,得到第二时空图及第二邻接矩阵的方法,包括:获取设定大 小的第一滑动窗口,按照设定第一步长控制所述第一滑动窗口在所述关节点信息序列 上进行滑动,得到第一滑动窗口特征;基于所述第一滑动窗口特征进行空间卷积操作, 得到第二时空图;基于所述第一滑动窗口中某一帧标定的关节点到其他帧相同标定的 关节点和设定邻域的连接关系得到第二邻接矩阵。
在图3中,还详细给出了本公开提出的基于滑动窗口的自适应图卷积(AGCN_SW)的模型结构示意图。如图3所示,滑动时空窗口的设定大小为t×d,滑动时空窗口 的设定步长Stride=2(d1,d2),将所述关节点信息序列及设定的邻接矩阵A输入自适 应图卷积(AGCN_SW)的模型,设定滑动时空窗口对所述关节点信息序列进行滑动空 间卷积操作,得到第二时空图及第二邻接矩阵;并基于所述第二邻接矩阵对所述关节 点信息序列进行空间卷积操作,得到第二卷积图;对所述第二时空图及第二卷积图进 行融合,得到第一空间特征。
另外,在本公开的实施例及其他可能的实施例中,首先利用图卷积网络GCN对所述关节点信息序列进行图卷积操作,得到关节点图卷积特征;将所述关节点图卷积特 征输入跨时空自适应图卷积模块(CS-AGC),所述跨时空自适应图卷积模块(CS-AGC) 中配置的设定滑动时空窗口对所述关节点信息序列进行滑动空间卷积操作,得到第二 时空图及第二邻接矩阵;并基于所述第二邻接矩阵对所述关节点信息序列进行空间卷 积操作,得到第二卷积图;对所述第二时空图及第二卷积图进行融合,得到第一空间 特征。
在本公开的实施例及其他可能的实施例中,通过滑动时空窗口,将当前帧节点间的 空间连接扩展到时间域,实现当前节点与其他帧中的自身节点及其一阶邻接节点的均存在连接关系。设置大小为的滑动时空窗口,即每个滑动时空窗口有帧,则滑动窗 口每次移动得到的时空图可以表示为其中表示滑动时空窗口中帧中 所有顶点(标定的关节点,例如标定的关节点具有13个,对应的标号依次为1-13)集 合的并集,表示滑动时空窗口帧中所有标定的关节点连接边集合的并集。
图4示出根据本公开实施例行为检测的跨时空自适应图卷积模块(CS-AGC)的模型中确定的邻接矩阵示意图。定义A′∈[0,1]n×n代表骨骼标定的关节点连接关系,当A′=1表 示两个关键点存在连接关系。定义由每个滑动时空窗口的帧大小为N×N的A′平铺得到的块邻接矩阵,其大小为其中表示某一帧中第i个标定的关节点到其他帧的相同标定的关节点和1邻域(与第i个标定的关节点相邻关节点)的连接 关系。
其中,数值为1表示有连接关系,数值为0表示没有连接关系。由此可得,时空图中,帧的骨架序列中的节点在空间维度上,除了自身节点外,在空 间维度上与其一阶邻接节点均存在连接关系,因此经过该滑动窗口后,维度为C×N×T 的特征向量将改变成维度为的特征向量
在本公开的实施例及其他可能的实施例中,邻接矩阵集合其中,为N×N的邻接矩阵设表示人体骨架的第j个关节vj是否在第i个关节vi的 采样区域(默认采样距离为1)的子集中,用于从输入的fin中提取特定子集中的连通 顶点(标定的关节点)。
在本公开的实施例及其他可能的实施例中,利用所述第二邻接矩阵对图卷积特征或所述关节点信息序列依次通过自适应空间卷积层Spatial_Graph_A及图轻量化时间图卷积模块Temporal_Sep_Layer进行空间卷积操作,得到第二卷积图,具体包括:将所述 自适应空间卷积层得到的第二卷积图进一步进行深度可分离卷积处理,得到最终的第 二卷积图。其中,所述将所述自适应空间卷积层得到的第二卷积图进一步进行深度可 分离卷积处理,得到最终的第二卷积图的方法,包括:对所述自适应空间卷积层得到 的第二卷积图进行扩展处理,映射到高维空间特征;对所述高维空间特征进行逐深度 卷积,得到深度卷积特征;对所述深度卷积特征与所述自适应空间卷积层得到的第二 卷积图进行融合操作,得到最终的第二卷积图。其中,在对所述高维空间特征进行逐 深度卷积,得到深度卷积特征之前,对所述高维空间特征进行归一化或正则化(BN) 处理。其中,对所述高维空间特征进行逐深度卷积,得到深度卷积特征之后,还包括: 对所述深度卷积特征进行归一化或正则化(BN)处理;归一化或正则化(BN)处理后 的深度卷积特征进行逐点卷积操作,得到最终的逐深度卷积。其中,在所述对所述深 度卷积特征与所述自适应空间卷积层得到的第二卷积图进行融合操作,得到最终的第 二卷积图之前,对所述最终的逐深度卷积进行归一化或正则化(BN)处理。所述的对 所述深度卷积特征与所述自适应空间卷积层得到的第二卷积图进行融合操作,得到最 终的第二卷积图的方法,包括:对所述深度卷积特征与所述自适应空间卷积层得到的 第二卷积图进行相加操作,得到最终的第二卷积图。
具体地说,通过1×1的扩展卷积使数据进入深度卷积之前扩展输入特征的通道数, 使低维空间映射到高维空间(高维空间特征),然后通过3×1的逐深度卷积使卷积核每次只处理1个输入特征通道,从而减少计算量,最后使用1×1的逐点卷积不仅建立通道 与通道之间的联系,也调整输出通道数与输入通道数保持一致,通过压缩通道使高维 特征映射到低维空间。同时使用残差连接,将不同的卷积层通过并联的方式结合在一 起,防止由于网络深度增加,导致梯度消失。同时,第一个时间图卷积模块步长可配 置为2,目的是为了压缩特征,降低卷积成本。
在本公开的实施例中,所述对所述第一空间特征及所述第二空间特征进行特征融合,得到融合特征的方法,包括:对所述第一空间特征及所述第二空间特征进行拼接 或相加操作,得到融合特征。
在本公开的实施例及其他可能的实施例中,所述关节点信息序列,包括:第一关节点信息序列以及/或第二关节点信息序列。如所述关节点信息序列,包括:第一关节 点信息序列以及第二关节点信息序列,则第一关节点信息序列以及第二关节点信息序 列,分别按照本实施例中所述关节点信息序列的方式进行处理,分别得到2个对应的第 一空间特征;2个的第一空间特征与所述第二空间特征进行特征融合,得到初始融合特 征。
在本公开的实施例中,所述对所述第二时空图及第二卷积图进行融合,得到第一空间特征的方法,包括:对所述第二时空图及第二卷积图进行融合,得到第一关节点 融合特征图;所述第一关节点融合特征图与所述关节点信息序列进行融合,得到第二 关节点融合特征图;计算所述第二关节点融合特征图对应的第一注意力权重,根据所 述第二关节点融合特征图及其对应的第一注意力权重得到第一空间特征。
如图3所示,所示对所述第二时空图及第二卷积图进行融合,得到第一关节点融合特征图的方法,包括:对所述第二时空图及第二卷积图进行相加操作,得到第一关节 点融合特征图。在对所述第一关节点融合特征图与所述关节点信息序列进行融合,得 到第二关节点融合特征图之前,利用图轻量化时间图卷积模块Temporal_Sep_Layer进行 卷积操作,之后将得到的特征与所述关节点信息序列进行融合,得到第二关节点融合 特征图。利用注意力网络Attention Layer计算所述第二关节点融合特征图对应的第一注 意力权重,根据所述第二关节点融合特征图及其对应的第一注意力权重得到第一空间 特征。具体地说,所述根据所述第二关节点融合特征图及其对应的第一注意力权重得 到第一空间特征的方法,包括:所述第二关节点融合特征图乘以其对应的第一注意力 权重得到第一空间特征。
在本公开的实施例中,所述对所述第三时空图及第三卷积图进行融合,得到第二空间特征的方法,包括:对所述第三时空图及第三卷积图进行融合,得到第一运动速 度融合特征图;所述第一运动速度融合特征图与所述运动速度信息序列进行融合,得 到第三运动速度融合特征图;计算所述第二运动速度融合特征图对应的第二注意力权 重,根据所述第二运动速度融合特征图及其对应的第二注意力权重得到第二空间特征。
同理,所述对所述第三时空图及第三卷积图进行融合,得到第二空间特征的方法对应的实施例,可参照上述对所述第二时空图及第二卷积图进行融合,得到第一空间 特征的方法。
在本公开的实施例中,所述利用获取的设定滑动时空窗口对所述运动速度信息序列进行滑动空间卷积操作,得到第三时空图及第三邻接矩阵的方法,包括:获取设定 大小的第二滑动窗口,按照设定第二步长控制所述第二滑动窗口在所述运动速度信息 序列上进行滑动,得到第二滑动窗口特征;基于所述第二滑动窗口特征进行空间卷积 操作,得到第三时空图;基于所述第二滑动窗口中某一帧标定的关节点到其他帧相同 标定的关节点和设定邻域的连接关系得到第三邻接矩阵。
在本公开的实施例中,所述基于所述第三邻接矩阵对所述关节点信息序列进行空间卷积操作,得到第三卷积图的方法,包括:分别基于所述运动速度信息及获取的多 个设定嵌入函数,确定对应的多个第二数据关联图;分别将所述多个第二数据关联图 与对应的所述第三邻接矩阵的集合进行融合,得到第二关联融合特征;所述第二关联 融合特征与所述运动速度信息序列进行融合,得到第二关联运动速度融合特征;所述 第二关联运动速度融合特征乘以第二设定权重值,得到第三卷积图。
同理,如图3所示,滑动时空窗口的设定大小为t×d,滑动时空窗口的设 定步长Stride=2,将所述运动速度信息及设定的邻接矩阵A输入自适应图卷积 (AGCN_SW)的模型,设定滑动时空窗口对所述运动速度信息进行滑动空间卷积操 作,得到第二时空图及第二邻接矩阵;对所述第二时空图及第二卷积图进行融合,得 到第一空间特征;并基于所述第三邻接矩阵对所述关节点信息序列进行空间卷积操作, 得到第三卷积图;对所述第三时空图及第三卷积图进行融合,得到第二空间特征。具 体可详见上述利用获取的设定滑动时空窗口对所述关节点信息序列进行滑动空间卷积 操作,得到第二时空图及第二邻接矩阵;并基于所述第二邻接矩阵对所述关节点信息 序列进行空间卷积操作,得到第二卷积图;对所述第二时空图及第二卷积图进行融合, 得到第一空间特征的具体实施方式。
步骤S103:利用获取的设定滑动时空窗口对所述初始融合特征进行滑动空间卷积操作,得到第一时空图及第一邻接矩阵;并基于所述第一邻接矩阵对所述初始融合特 征进行空间卷积操作,得到第一卷积图;对所述第一时空图及第一卷积图进行融合, 得到行为特征;基于所述行为特征完成行为检测。
在本公开的实施例中,所述利用获取的设定滑动时空窗口对所述融合特征进行滑动空间卷积操作,得到第一时空图及第一邻接矩阵的方法,包括:获取设定大小的第 三滑动窗口,按照设定第三步长控制所述第三滑动窗口在所述融合特征上进行滑动, 得到第三滑动窗口特征;基于所述第三滑动窗口特征进行空间卷积操作,得到第一时 空图;基于所述第三滑动窗口中某一帧标定的关节点到其他帧相同标定的关节点和设 定邻域的连接关系得到第一邻接矩阵。
同理,所述利用获取的设定滑动时空窗口对所述融合特征进行滑动空间卷积操作, 得到第一时空图及第一邻接矩阵的实施例,可参照上述对利用获取的设定滑动时空窗口对所述关节点信息序列进行滑动空间卷积操作,得到第二时空图及第二邻接矩阵的 方法。
在本公开的实施例中,所述基于所述第一邻接矩阵对所述融合特征进行空间卷积操作,得到第一卷积图的方法,包括:分别基于所述融合特征及获取的多个设定嵌入 函数,确定对应的多个第三数据关联图;分别将所述多个第三数据关联图与对应的所 述第三邻接矩阵的集合进行融合,得到第二关联融合特征;所述第三关联融合特征与 所述融合特征进行融合,得到第三关联运动速度融合特征;所述第三关联运动速度融 合特征乘以第三设定权重值,得到第一卷积图。
同理,所述基于所述第一邻接矩阵对所述融合特征进行空间卷积操作,得到第一卷积图的方法,可参照上述基于所述第二邻接矩阵对所述关节点信息序列进行空间卷 积操作,得到第二卷积图的方法。
在本公开的实施例中,所述对所述第一时空图及第一卷积图进行融合,得到行为特征的方法,包括:对所述第一时空图及第一卷积图进行融合,得到第一融合特征图; 所述第一融合特征图与所述初始融合特征再次进行融合,得到第二融合特征图;计算 所述第二融合特征图对应的第一注意力权重,根据所述第二融合特征图及其对应的第 三注意力权重得到行为特征。
同理,所述对所述第一时空图及第一卷积图进行融合,得到行为特征的方法对应的实施例,可参照上述对所述第二时空图及第二卷积图进行融合,得到第一空间特征 的方法。
在本公开的实施例及其他可能的实施例中,所述对所述第一时空图及第一卷积图进行融合,得到行为特征的方法,包括:对所述第一时空图及第一卷积图进行拼接或 相加操作,得到行为特征。
如图3所示,所示对所述第一时空图及第一卷积图进行融合,得到行为特征的方法, 包括:对所述第一时空图及第一卷积图进行相加操作,得到融合特征图。更为具体的实施方式可详见对所述第二时空图及第二卷积图进行融合,得到第一关节点融合特征 图的方法对应的实施例。
在本公开的实施例及其他可能的实施例中,如图2所示,基于所述行为特征完成行为检测的方法,包括:将所述行为特征输入设定的全连接层FC,以完成行为检测。在 所述行为特征输入设定的全连接层FC之前,还可以对所述行为特征进行池化Pool操作, 将池化操作后的行为特征输入设定的全连接层FC,以完成行为检测。其中,池化Pool 操作的方法可为最大值池化、平均值池化或其他现有的池化操作。
在本公开的实施例及其他可能的实施例中,行为检测中的行为可为挥手、跳跃、握手、打架、喝水等行为的一种或几种。
行为检测的方法的执行主体可以是行为检测的装置,例如,行为检测的方法可以由终端设备或服务器或其它处理设备执行,其中,终端设备可以为用户设备(UserEquipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理 (PersonalDigital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等。 在一些可能的实现方式中,该行为检测的方法可以通过处理器调用存储器中存储的计 算机可读指令的方式来实现。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以 其功能和可能的内在逻辑确定。
本公开还提出了一种行为检测的装置,所述行为检测的装置,包括:提取单元, 用于提取获取的待处理视频图像中多时刻视频帧的感兴趣目标对应的关节点信息序列 及关节点的运动速度信息序列;融合模块,用于分别对所述关节点信息序列及运动速 度信息序列进行空间特征提取,得到对应的第一空间特征及第二空间特征;并对所述 第一空间特征及所述第二空间特征进行特征融合,得到初始融合特征;检测模型,用 于利用获取的设定滑动时空窗口对所述初始融合特征进行滑动空间卷积操作,得到第 一时空图及第一邻接矩阵;并基于所述第一邻接矩阵对所述初始融合特征进行空间卷 积操作,得到第一卷积图;对所述第一时空图及第一卷积图进行融合,得到行为特征; 基于所述行为特征完成行为检测。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述行为检测的方法,其具体实现可以参照上文方法实施例的描述, 为了简洁,这里不再赘述。
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述行为检测的方法。计算机可读存储介质可 以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为上述行为检测的方法。电子设备可以被提供为 终端、服务器或其它形态的设备。
对本公开进行实验,在64位的Ubuntu16.04.1LTS操作系统下,所有的模型均使用4块GeForce RTX 2080Ti GPU进行训练。对于NTU RGB+D数据集初始参数设置如下表所 示。并在epoch为40和60时学习率自乘0.1,重量衰减设置为0.0005,并在训练中进行相 应的调整。本公开的行为检测过程中采用X-Sub基准的测试集进行验证。所有实验均在 PyTorch1.7,深度学习框架上进行,Python版本为3.7。
实验评价标准:为了检测本发明提出的CS_AGC模块在人体行为检测的性能,我们通过识别率和浮点运算数来进行分析比较本发明的性能。Top1和Top5的识别率的计算 公式如下所示:
其中,M表示测试集视频个数,N表示测试视频中分类正确的视频个数。Top1表示预测输出结果中最大正概率值对应的分类动作为正确动作的频率,Top5表示预测输出 结果正概率值从大到小排序,排名前五的正概率对应的分类动作中有一个为正确动作 的频率。浮点运算数(floating point operations,FLOPs),用来统计算法/网络模型的参 数计算量,从而衡量模型复杂度。
表1为本发明CS_AGC模块,与未进行改进的多分支时空图卷积网络M-STGCNs进 行对比实验。表1中以M-STGCNs模块组成的检测网络Top1基准的识别率略高于以 CS_AGC模块组成的检测网络的识别率,因为M-STGCNs采用的是空间卷积和时间卷积 交替进行的特征提取方法,所以对单一动作识别率较高,而CS_AGC利用滑动时空窗口, 增加跨时空连接边,从而对长时序动作的识别效果较好。
表2为将检测模型与目前识别效果较好的基于图卷积的算法在NTU-RGBD 60数据集上进行对比。
表1
表2
从以上表1可以看出,本发明的CS_AGC方法利用滑动时空窗口,增加跨时空连接边,从而对长时序动作的识别效果较好。为了更加清晰的观察NTU RGB+D数据集在 CS_AGC上的分类结果,图3显示了根据标签的分类精度,其中M-STGCNs在短时序动 作上,例如drop,sitting down,jump up,shake head,falling等类别的识别率比CS_AGC 识别率较高。对于像drink water,eat meal/snack,wear jacket等长时序动作,M-STGCNs 的识别率要低于跨时空自适应图卷积模块。像“wear jacket”动作由拿起衣服、伸手穿 衣等短时序组成的,M-STGCNs不能识别,但是CS_AGC能够正确识别。
从表2中可以看出本专利所提出的方法与经典的方法进行比较分析,与基于单流图 卷积的行为检测模型相比,本文所提出的模型与ST-GCN比较,在X-Sub上提高了10.7%,在X-View上提高了7.16%。与基于双流结构的图卷积模型相比,本文提出的模型在两个 基准上均优于2s-AGCN。本文提出的跨时空自适应图卷积网络在NTU-RGBD 60数据集 上表现良好。
将NTU-RGBD数据集中长时序动作“drink”、“punching person”,Kinectskeleton400 数据集中的“play basketball”、“high jump”两种长时序动作进行可视化,从图中可以 看出,跨时空自适应图卷积对长时序的动作识别效果较好。
图5是根据一示例性实施例示出的一种电子设备800的框图。例如,电子设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医 疗设备,健身设备,个人数字助理等终端。
参照图5,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组 件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820 来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个 或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括 多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电 话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储 设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存 储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM), 只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理 系统,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括 触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一 个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不 仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和 压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子 设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接 收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统 或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时, 麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804 或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输 出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以 是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按 钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定 位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子 设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存 在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括 接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件 814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一 些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器, 压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。 在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播 信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信 (NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术, 红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实 现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场 可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执 行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由电子设备800的处理器820执行以完 成上述方法。
图6是根据一示例性实施例示出的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。参照图6,电子设备1900包括处理组件1922,其进一步包括一 个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922 的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以 上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行 上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管 理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例 如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执 行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设 备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光 存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读 存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取 存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、 静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘 (DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起 结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬 时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传 播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处 理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机 或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、 交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接 口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个 计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编 程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言 —诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程 语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上 执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、 或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可 以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或 者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些 实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可 编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路 可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图 和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程 数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规 定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质 中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而, 存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一 个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤, 以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设 备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框 可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含 一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框 中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实 际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而 定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的 组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专 用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对 于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语 的选择,旨在最好地解释各实施例的原理、实际应用或对市场中技术的技术改进,或 者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种行为检测的方法,其特征在于,包括:
提取获取的待处理视频图像中多时刻视频帧的感兴趣目标对应的关节点信息序列及关节点的运动速度信息序列;
分别对所述关节点信息序列及运动速度信息序列进行空间特征提取,得到对应的第一空间特征及第二空间特征;并对所述第一空间特征及所述第二空间特征进行特征融合,得到初始融合特征;
利用获取的设定滑动时空窗口对所述初始融合特征进行滑动空间卷积操作,得到第一时空图及第一邻接矩阵;并基于所述第一邻接矩阵对所述初始融合特征进行空间卷积操作,得到第一卷积图;对所述第一时空图及第一卷积图进行融合,得到行为特征;基于所述行为特征完成行为检测。
2.根据权利要求1所述的方法,其特征在于,所述提取获取的待处理视频图像中多时刻视频帧的感兴趣目标对应的关节点信息序列及关节点的运动速度信息序列的方法,包括:
获取待处理的视频图像;
提取所述视频图像中多时刻视频帧对应的多个人体骨架序列;
从所述多个人体骨架序列中确定感兴趣目标的人体骨架序列,并确定所述感兴趣目标的人体骨架序列的关节点信息序列及关节点的运动速度信息序列。
3.根据权利要求2所述的方法,其特征在于,所述提取所述视频图像中多时刻视频帧的多个人体骨架序列的方法,包括:
获取目标检测网络;
利用所述目标检测网络,对所述视频图像中多个设定目标进行目标检测,得到对应的多个目标检测序列图;
分别对所述多个目标检测序列图进行目标跟踪,得到对应的多个目标跟踪序列图;
分别对所述多个目标跟踪序列图进行关键点提取,得到所述视频图像中多时刻视频帧的多个人体骨架序列;
以及/或,
所述并确定所述感兴趣目标的人体骨架序列的关节点信息序列及关节点的运动速度信息序列的方法,包括:
对所述感兴趣目标的人体骨架序列的关节进行标定,得到多个标定关节点;确定所述感兴趣目标的人体骨架序列中的多个中心点;分别确定多个标定关节点及其对应的中心点确定第一关节点信息序列;分别计算多个标定关节点与其相邻的标定关节点的角度,得到第二关节点信息序列;其中,所述关节点信息序列,包括:第一关节点信息序列以及/或第二关节点信息序列;
以及,分别计算所述多个标定关节点在t时刻及t+1时刻的相对位移,得到关节点的运动速度信息序列。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述分别对所述关节点信息序列及运动速度信息序列进行空间特征提取,得到对应的第一空间特征及第二空间特征的方法,包括:
利用获取的设定滑动时空窗口对所述关节点信息序列进行滑动空间卷积操作,得到第二时空图及第二邻接矩阵;并基于所述第二邻接矩阵对所述关节点信息序列进行空间卷积操作,得到第二卷积图;对所述第二时空图及第二卷积图进行融合,得到第一空间特征;以及,
利用获取的设定滑动时空窗口对所述运动速度信息序列进行滑动空间卷积操作,得到第三时空图及第三邻接矩阵;并基于所述第三邻接矩阵对所述关节点信息序列进行空间卷积操作,得到第三卷积图;对所述第三时空图及第三卷积图进行融合,得到第二空间特征;
以及/或,
所述对所述第一空间特征及所述第二空间特征进行特征融合,得到融合特征的方法,包括:
对所述第一空间特征及所述第二空间特征进行拼接或相加操作,得到融合特征。
5.根据权利要求4所述的方法,其特征在于,所述利用获取的设定滑动时空窗口对所述关节点信息序列进行滑动空间卷积操作,得到第二时空图及第二邻接矩阵的方法,包括:
获取设定大小的第一滑动窗口,按照设定第一步长控制所述第一滑动窗口在所述关节点信息序列上进行滑动,得到第一滑动窗口特征;基于所述第一滑动窗口特征进行空间卷积操作,得到第二时空图;基于所述第一滑动窗口中某一帧标定的关节点到其他帧相同标定的关节点和设定邻域的连接关系得到第二邻接矩阵;
以及/或,
所述基于所述第二邻接矩阵对所述关节点信息序列进行空间卷积操作,得到第二卷积图的方法,包括:
分别基于所述关节点信息序列及获取的多个设定嵌入函数,确定对应的多个第一数据关联图;
分别将所述多个第一数据关联图与对应的所述第二邻接矩阵的集合进行融合,得到第一关联融合特征;所述第一关联融合特征与所述关节点信息序列进行融合,得到第一关联关节点融合特征;所述第一关联关节点融合特征乘以第一设定权重值,得到第二卷积图;
以及/或,
所述利用获取的设定滑动时空窗口对所述运动速度信息序列进行滑动空间卷积操作,得到第三时空图及第三邻接矩阵的方法,包括:
获取设定大小的第二滑动窗口,按照设定第二步长控制所述第二滑动窗口在所述运动速度信息序列上进行滑动,得到第二滑动窗口特征;基于所述第二滑动窗口特征进行空间卷积操作,得到第三时空图;基于所述第二滑动窗口中某一帧标定的关节点到其他帧相同标定的关节点和设定邻域的连接关系得到第三邻接矩阵;
以及/或,所述基于所述第三邻接矩阵对所述关节点信息序列进行空间卷积操作,得到第三卷积图的方法,包括:
分别基于所述运动速度信息及获取的多个设定嵌入函数,确定对应的多个第二数据关联图;
分别将所述多个第二数据关联图与对应的所述第三邻接矩阵的集合进行融合,得到第二关联融合特征;所述第二关联融合特征与所述运动速度信息序列进行融合,得到第二关联运动速度融合特征;所述第二关联运动速度融合特征乘以第二设定权重值,得到第三卷积图;
以及/或,
所述对所述第二时空图及第二卷积图进行融合,得到第一空间特征的方法,包括:
对所述第二时空图及第二卷积图进行融合,得到第一关节点融合特征图;所述第一关节点融合特征图与所述关节点信息序列进行融合,得到第二关节点融合特征图;计算所述第二关节点融合特征图对应的第一注意力权重,根据所述第二关节点融合特征图及其对应的第一注意力权重得到第一空间特征;
以及/或,
所述对所述第三时空图及第三卷积图进行融合,得到第二空间特征的方法,包括:
对所述第三时空图及第三卷积图进行融合,得到第一运动速度融合特征图;所述第一运动速度融合特征图与所述运动速度信息序列进行融合,得到第三运动速度融合特征图;计算所述第二运动速度融合特征图对应的第二注意力权重,根据所述第二运动速度融合特征图及其对应的第二注意力权重得到第二空间特征。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述利用获取的设定滑动时空窗口对所述融合特征进行滑动空间卷积操作,得到第一时空图及第一邻接矩阵的方法,包括:
获取设定大小的第三滑动窗口,按照设定第三步长控制所述第三滑动窗口在所述融合特征上进行滑动,得到第三滑动窗口特征;基于所述第三滑动窗口特征进行空间卷积操作,得到第一时空图;基于所述第三滑动窗口中某一帧标定的关节点到其他帧相同标定的关节点和设定邻域的连接关系得到第一邻接矩阵;
以及/或,
所述基于所述第一邻接矩阵对所述融合特征进行空间卷积操作,得到第一卷积图的方法,包括:
分别基于所述融合特征及获取的多个设定嵌入函数,确定对应的多个第三数据关联图;
分别将所述多个第三数据关联图与对应的所述第三邻接矩阵的集合进行融合,得到第二关联融合特征;所述第三关联融合特征与所述融合特征进行融合,得到第三关联运动速度融合特征;所述第三关联运动速度融合特征乘以第三设定权重值,得到第一卷积图。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述对所述第一时空图及第一卷积图进行融合,得到行为特征的方法,包括:
对所述第一时空图及第一卷积图进行融合,得到第一融合特征图;所述第一融合特征图与所述初始融合特征再次进行融合,得到第二融合特征图;计算所述第二融合特征图对应的第一注意力权重,根据所述第二融合特征图及其对应的第三注意力权重得到行为特征。
8.一种行为检测装置,其特征在于,包括:
提取单元,用于提取获取的待处理视频图像中多时刻视频帧的感兴趣目标对应的关节点信息序列及关节点的运动速度信息序列;
融合模块,用于分别对所述关节点信息序列及运动速度信息序列进行空间特征提取,得到对应的第一空间特征及第二空间特征;并对所述第一空间特征及所述第二空间特征进行特征融合,得到初始融合特征;
检测模型,用于利用获取的设定滑动时空窗口对所述初始融合特征进行滑动空间卷积操作,得到第一时空图及第一邻接矩阵;并基于所述第一邻接矩阵对所述初始融合特征进行空间卷积操作,得到第一卷积图;对所述第一时空图及第一卷积图进行融合,得到行为特征;基于所述行为特征完成行为检测。
9.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行权利要求1至7中任意一项所述行为检测的方法。
10.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述行为检测的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210629456.9A CN115035596B (zh) | 2022-06-05 | 2022-06-05 | 行为检测的方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210629456.9A CN115035596B (zh) | 2022-06-05 | 2022-06-05 | 行为检测的方法及装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115035596A true CN115035596A (zh) | 2022-09-09 |
CN115035596B CN115035596B (zh) | 2023-09-08 |
Family
ID=83123226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210629456.9A Active CN115035596B (zh) | 2022-06-05 | 2022-06-05 | 行为检测的方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115035596B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115984787A (zh) * | 2023-03-20 | 2023-04-18 | 齐鲁云商数字科技股份有限公司 | 一种产业大脑公交智能车载实时告警方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110309732A (zh) * | 2019-06-13 | 2019-10-08 | 浙江大学 | 基于骨架视频的行为识别方法 |
CN111652124A (zh) * | 2020-06-02 | 2020-09-11 | 电子科技大学 | 一种基于图卷积网络的人体行为识别模型的构建方法 |
CN113255402A (zh) * | 2020-02-10 | 2021-08-13 | 深圳绿米联创科技有限公司 | 动作识别方法、装置以及电子设备 |
CN113408455A (zh) * | 2021-06-29 | 2021-09-17 | 山东大学 | 一种基于多流信息增强图卷积网络的动作识别方法、系统及存储介质 |
WO2022000420A1 (zh) * | 2020-07-02 | 2022-01-06 | 浙江大学 | 人体动作识别方法、人体动作识别系统及设备 |
US20220051061A1 (en) * | 2019-10-30 | 2022-02-17 | Tencent Technology (Shenzhen) Company Limited | Artificial intelligence-based action recognition method and related apparatus |
CN114582030A (zh) * | 2022-05-06 | 2022-06-03 | 湖北工业大学 | 一种基于服务机器人的行为识别方法 |
-
2022
- 2022-06-05 CN CN202210629456.9A patent/CN115035596B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110309732A (zh) * | 2019-06-13 | 2019-10-08 | 浙江大学 | 基于骨架视频的行为识别方法 |
US20220051061A1 (en) * | 2019-10-30 | 2022-02-17 | Tencent Technology (Shenzhen) Company Limited | Artificial intelligence-based action recognition method and related apparatus |
CN113255402A (zh) * | 2020-02-10 | 2021-08-13 | 深圳绿米联创科技有限公司 | 动作识别方法、装置以及电子设备 |
CN111652124A (zh) * | 2020-06-02 | 2020-09-11 | 电子科技大学 | 一种基于图卷积网络的人体行为识别模型的构建方法 |
WO2022000420A1 (zh) * | 2020-07-02 | 2022-01-06 | 浙江大学 | 人体动作识别方法、人体动作识别系统及设备 |
CN113408455A (zh) * | 2021-06-29 | 2021-09-17 | 山东大学 | 一种基于多流信息增强图卷积网络的动作识别方法、系统及存储介质 |
CN114582030A (zh) * | 2022-05-06 | 2022-06-03 | 湖北工业大学 | 一种基于服务机器人的行为识别方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115984787A (zh) * | 2023-03-20 | 2023-04-18 | 齐鲁云商数字科技股份有限公司 | 一种产业大脑公交智能车载实时告警方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115035596B (zh) | 2023-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111340766B (zh) | 目标对象的检测方法、装置、设备和存储介质 | |
CN109829433B (zh) | 人脸图像识别方法、装置、电子设备及存储介质 | |
US11436449B2 (en) | Method and electronic apparatus for processing image and training image tag classification model | |
CN108121952B (zh) | 人脸关键点定位方法、装置、设备及存储介质 | |
CN109670397B (zh) | 人体骨骼关键点的检测方法、装置、电子设备及存储介质 | |
CN110210535B (zh) | 神经网络训练方法及装置以及图像处理方法及装置 | |
CN109740516B (zh) | 一种用户识别方法、装置、电子设备及存储介质 | |
CN111310616B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN110084775B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
US20210117726A1 (en) | Method for training image classifying model, server and storage medium | |
CN110674719B (zh) | 目标对象匹配方法及装置、电子设备和存储介质 | |
US20210248718A1 (en) | Image processing method and apparatus, electronic device and storage medium | |
CN107492115B (zh) | 目标对象的检测方法及装置 | |
CN107832836B (zh) | 无模型深度增强学习探索方法及装置 | |
CN110532956B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111680697B (zh) | 实现领域自适应的方法、装置、电子设备及介质 | |
CN112906484B (zh) | 一种视频帧处理方法及装置、电子设备和存储介质 | |
JP2022522551A (ja) | 画像処理方法及び装置、電子機器並びに記憶媒体 | |
CN111242303A (zh) | 网络训练方法及装置、图像处理方法及装置 | |
WO2020192113A1 (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN115035158B (zh) | 目标跟踪的方法及装置、电子设备和存储介质 | |
CN111652107B (zh) | 对象计数方法及装置、电子设备和存储介质 | |
CN109903252B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111027617A (zh) | 神经网络训练及图像识别方法、装置、设备和存储介质 | |
CN115035596A (zh) | 行为检测的方法及装置、电子设备和存储介质 |
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 |