[发明专利]一种物体属性识别模型的生成方法、存储介质及电子设备

权利要求书

1.一种物体属性识别模型的生成方法，其特征在于，其包括：

获取训练样本集，所述训练样本集包括多组训练样本，每组训练样本包括动作序列以及目标物体属性标签；

特征在于，所述动作序列包括预设数量的骨骼序列帧，每一张骨骼序列帧包括人体骨骼数据，其中，所述人体骨骼数据为树状序列结构并以关节为节点；

将所述训练样本集中的动作序列输入预设神经网络模型，并获取所述预设神经网络模型所输出的生成物体属性标签；

所述物体属性识别模型包括图卷积模块、门控循环单元模块以及全连接模块；将所述训练样本集中动作序列输入预设神经网络模型，并获取所述预设神经网络模型所输出的生成物体属性标签具体包括：

将所述动作序列的关节特征输入图卷积模块，通过所述图卷积模块提取用于输入门控循环单元模块的关节特征，其中，图卷积模块的输入包括关节位置和关节速度；

将用于输入门控循环单元模块的关节特征输入门控循环单元模块，通过门控循环单元模块输出在时序维度上的关节特征，其中，所述门控循环单元模块带有注意力子模块，所述注意力子模块用于获取各关节对物体属性的重要程度系数；

所述重要程度系数的计算公式为：

其中，为循环神经网络的网络参数，为输入门控循环单元模块的第i个关节的关节特征，为循环神经网络的隐含状态，为人体骨骼数据帧的帧序号；

将所述重要程度系数以及关节特征输入所述全连接模块，通过所述全连接模块输出所述动作序列对应的生成物体属性标签；

根据所述目标物体属性标签和所述生成物体属性标签对所述预设神经网络模型的模型参数进行修正，直至所述预设神经网络模型的训练情况满足预设条件，以得到已训练的物体属性识别模型。

2.根据权利要求1所述物体属性识别模型的生成方法，其特征在于，所述图卷积模块输出的关节特征的表达式为：

其中，为输入图卷积层的第i各关节的关节特征，j为i的父节点的索引，t为人体骨骼数据帧的帧序号，Wg和b为图卷积模块的权重系数。

3.一种基于交互动作序列识别物体属性的方法，其特征在于，其应用如权利要求1-2任一所述的物体属性识别模型的生成方法得到的识别模型，所述基于交互动作序列识别物体属性的方法包括：

获取待识别的交互动作序列，并将所述交互动作序列输入已训练的物体属性识别模型；

通过所述物体属性识别模型对所述交互动作序列进行识别，以得到所述交互动作序列对应的物体属性。

4.根据权利要求3所述基于交互动作序列识别物体属性的方法，其特征在于，所述获取待识别的交互动作序列，并将所述交互动作 序列输入已训练的物体属性识别模型具体包括：

获取待识别的交互动作序列，并对所述交互动作序列进行预处理，以得到预设数量的图像帧；

获取各图像帧对应的人体骨骼数据帧，将获取到所有人体骨骼数据帧输入已训练的物体属性识别模型，其中，所述人体骨骼数据帧按照图像帧的帧时间顺序排列。

5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序被一个或者多个处理器执行，以实现如权利要求1～2任意一项所述的物体属性识别模型的生成方法中的步骤，或者以实现如权利要求3～4任意一项所述的基于交互动作序列识别物体属性的方法中的步骤。

6.一种电子设备，其特征在于，包括：处理器、存储器及通信总线;所述存储器上存储有可被所述处理器执行的计算机可读程序；

所述通信总线实现处理器和存储器之间的连接通信；

所述处理器执行所述计算机可读程序时实现如权利要求1～2任意一项所述的物体属性识别模型的生成方法中的步骤，或者实现如权利要求3～4任意一项所述的基于交互动作序列识别物体属性的方法中的步骤。