[发明专利]动作识别方法及其神经网络生成方法、装置和电子设备

说明书

本发明提供了一种动作识别方法及其神经网络生成方法、装置和电子设备，涉及图像识别技术领域，用于动作识别的神经网络生成方法包括：对目标图像进行提取，得到光流特征；根据所述光流特征得到卷积核偏置信息；根据所述卷积核偏置信息基于初始卷积神经网络生成变形卷积神经网络，解决了现有技术中存在的图像识别神经网络对动作识别的效果较差的技术问题。

技术领域

本发明涉及图像识别技术领域，尤其是涉及一种动作识别方法及其神经网络生成方法、装置和电子设备。

背景技术

目前，动作识别作为视频自动分析的重要基础，在智能监控，新零售、人机互动，教育教学等一系列应用场景中发挥重要的作用。

例如，在安防监控场景中，若能很好的识别出扒窃，撬锁，打斗等异常行为，能够起到减少人力监控成本、维护治安的重要功能；在新零售领域中，动作识别有助于更好的理解用户行为，自动分析顾客喜好，提升用户体验。

但是，目前的动作识别神经网络主要集中于长短期记忆网络(Long Short-TermMemory，简称LSTM)、时标网状图(time scalar network，简称TSN)等传统的图像识别神经网络方法，对于动作识别的识别效果较差。

发明内容

有鉴于此，本发明的目的在于提供一种动作识别方法及其神经网络生成方法、装置和电子设备，以解决现有技术中存在的图像识别神经网络对动作识别的效果较差的技术问题。

第一方面，本发明实施例提供了一种用于动作识别的神经网络生成方法，包括：

对目标图像进行提取，得到光流特征；

根据所述光流特征得到卷积核偏置信息；

根据所述卷积核偏置信息基于初始卷积神经网络生成变形卷积神经网络。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述对目标图像进行提取，得到光流特征，具体包括：

对目标图像进行抽取，得到光流信息；

对所述光流信息进行提取，得到光流特征。

结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述根据所述光流特征得到卷积核偏置信息，具体包括：

根据所述光流特征生成特征向量；

根据所述特征向量基于初始卷积神经网络中的卷积核，得到与所述卷积核的维度相同的卷积核偏置信息。

结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述根据所述卷积核偏置信息基于初始卷积神经网络生成变形卷积神经网络，具体包括：

根据所述卷积核偏置信息对初始卷积神经网络中的至少一个卷积核进行偏移，得到变形卷积核；

根据所述变形卷积核生成变形卷积神经网络。

结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所述根据所述光流特征得到卷积核偏置信息，具体包括：

根据所述光流特征生成特征向量；

根据所述特征向量基于三维卷积神经网络中的三维卷积核，得到空间维度偏移向量以及时间维度偏移向量。

结合第一方面的第四种可能的实施方式，本发明实施例提供了第一方面的第五种可能的实施方式，其中，所述根据所述卷积核偏置信息基于初始卷积神经网络生成变形卷积神经网络，具体包括：

根据所述空间维度偏移向量，对所述三维卷积神经网络中的三维卷积核进行空间偏移，得到空间变形卷积核；