[发明专利]基于深度学习的足球比赛行为识别方法、装置及终端设备

说明书

本发明属于计算机技术领域，尤其涉及一种基于深度学习的足球比赛行为识别方法、装置、计算机可读存储介质及终端设备。所述方法首先获取待识别的足球比赛视频，然后将所述足球比赛视频划分为N个视频段，并从各个视频段中分别抽取一帧图像作为输入图像，N为大于1的整数，最后使用预设的深度学习网络模型对所述输入图像进行处理，得到与所述足球比赛视频对应的行为识别结果。通过本发明实施例，使用Inception网络模型学习所述输入图像每一帧中的像素点之间的关系，使用三维ResNet网络模型学习所述输入图像各帧之间的关系，大大简化了行为识别的过程，减少了现有技术中多个复杂步骤叠加造成的精度损失，在减少耗费时长的同时，也提高了最终识别结果的精度。

技术领域

本发明属于计算机技术领域，尤其涉及一种基于深度学习的足球比赛行为识别方法、装置、计算机可读存储介质及终端设备。

背景技术

行为识别的目标是识别在现实生活中建立起来的人类共同行为。精确的行为识别具有挑战性，因为人类行为具有复杂性、高度多样化等特征。足球比赛视频中的运动员行为是一种有计划、高协同性的多运动员(智能体)的团队行为。现有技术中在进行足球比赛行为识别时，建模复杂，需要从运动员的运动轨迹中获得的位置和速度、变化的人数及行为之间的时空变化的集合等低层特征来建模，整个行为识别过程需要包括如下的步骤：1)对整个足球比赛视频中的运动目标进行分割；2)对球员进行跟踪和检测；3)对足球进行跟踪和检测；4)对球员和裁判进行分类；5)对足球比赛位置进行确定等，整个过程极为复杂，导致耗时极长。而且由于每个步骤中均会存在一定的精度偏差，多个复杂步骤叠加在一起，导致最终识别结果的精度较低。

发明内容

有鉴于此，本发明实施例提供了一种基于深度学习的足球比赛行为识别方法、装置、计算机可读存储介质及终端设备，以解决现有的足球比赛行为识别方法耗时极长且精度较低的问题。

本发明实施例的第一方面提供了一种基于深度学习的足球比赛行为识别方法，可以包括：

获取待识别的足球比赛视频；

将所述足球比赛视频划分为N个视频段，并从各个视频段中分别抽取一帧图像作为输入图像，N为大于1的整数；

使用预设的深度学习网络模型对所述输入图像进行处理，得到与所述足球比赛视频对应的行为识别结果，其中，所述深度学习网络模型由Inception网络模型和三维ResNet网络模型级联组成，所述Inception网络模型用于学习所述输入图像每一帧中的像素点之间的关系，所述三维ResNet网络模型用于学习所述输入图像各帧之间的关系。

本发明实施例的第二方面提供了一种足球比赛行为识别装置，可以包括：

视频获取模块，用于获取待识别的足球比赛视频；

输入图像抽取模块，用于将所述足球比赛视频划分为N个视频段，并从各个视频段中分别抽取一帧图像作为输入图像，N为大于1的整数；

行为识别模块，用于使用预设的深度学习网络模型对所述输入图像进行处理，得到与所述足球比赛视频对应的行为识别结果，其中，所述深度学习网络模型由Inception网络模型和三维ResNet网络模型级联组成，所述Inception网络模型用于学习所述输入图像每一帧中的像素点之间的关系，所述三维ResNet网络模型用于学习所述输入图像各帧之间的关系。

本发明实施例的第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如下步骤：

获取待识别的足球比赛视频；

将所述足球比赛视频划分为N个视频段，并从各个视频段中分别抽取一帧图像作为输入图像，N为大于1的整数；