[发明专利]动作识别模型训练方法和动作识别方法及装置

权利要求书

1.一种动作识别模型训练方法，其特征在于，包括：

获取预设节点集合中的所有节点的节点数据，所述节点数据包括节点的空间位置和节点动作数据的时间序列；

根据所述节点数据，计算所述节点集合中所有节点的连接边集合和每条连接边的边数据，所述边数据表征节点动作数据相对于参考值发生变动的节点位置和节点动作数据的变化；

所述根据所述节点数据，计算所述节点集合中所有节点的连接边集合和每条连接边的边数据，包括：

根据所述节点集合中所有节点的空间位置和节点动作数据的时间序列，确定连接边集合，其中具体包括：

对节点动作数据的时间序列中的每一个时间点，获取节点集合中，该时间点的节点动作数据变动大于预设阈值的节点，作为活跃节点，任意两个活跃节点i，j相连，构成连接边e_ij；

对每个时间点t₁对应的每一条连接边e^t1_ij，获取其预设空间邻域内的空间邻接边和预设时间邻域内的时域邻接边，构成邻接边集合N(e^t1_ij)，其中，所述预设空间邻域内的空间邻接边是指：两条邻接边通过不大于预设层数d的节点连接，d为自然数，所述预设时间邻域内的时域邻接边是指：对于连接边e^t1_ij，考虑与t₁时间间隔不超过预设时间范围的时间邻域内的任意时刻t₂的连接边e^t2_ij，连接边e^t2_ij的空间邻接边也被视为是连接边e^t1_ij的空间邻接边，所述预设时间范围大于等于零；以及

根据每条连接边的所述时域邻接边和所述空间邻接边计算连接边集合和每条连接边的边数据；

根据所述节点数据和所述连接边的边数据，构建动作数据的图结构；以及

以所述动作数据的图结构作为模型输入，动作识别分类结果作为模型输出，对预设的图卷积神经网络动作识别模型进行有监督训练；其中，所述预设的图卷积神经网络动作识别模型包括依次连接的：数据输入层、图卷积层、全连接层和输出层；

其中，所述以所述动作数据的图结构作为模型输入包括：以所述动作数据的图结构中的所述连接边的边数据作为模型输入。

2.根据权利要求1所述的方法，其特征在于，所述以所述动作数据的图结构作为模型输入，包括：

以所述动作数据的图结构中的所述连接边的边数据和所述节点数据共同作为模型输入。

3.根据权利要求1所述的方法，其特征在于，所述动作识别模型为人脸表情识别模型，所述获取预设节点集合中的所有节点的节点数据，包括：

获取设置于人脸皮肤上的预设面部节点处的压电传感器采集的电压数据，将所述压电传感器采集的电压数据经数据预处理后，得到预设面部节点集合中的所有节点的节点数据；或者

获取包含人脸的多帧时序图像，根据所述时序图像获取预设面部节点集合中的所有节点的节点数据。

4.根据权利要求1所述的方法，其特征在于，所述根据所述节点数据，计算所述节点集合中所有节点的连接边集合和每条连接边的边数据，还包括：

对于每条所述连接边的邻接边集合，计算其标记函数L，根据所述标记函数L为所述邻接边集合中的每个邻接边分配权重；

其中，所述标记函数L用于表征所述连接边的邻接边集合中的每个邻接边与所述连接边的关联程度。

5.根据权利要求4所述的方法，其特征在于，

所述标记函数L的取值为预定数量的离散值，标记函数L的取值根据每个邻接边与所述连接边的相对位置关系确定；以及

根据所述标记函数L为所述邻接边集合中的每个邻接边分配权重包括：根据每个邻接边与所述连接边的位置关系，根据所述标记函数L的取值确定权重系数，使具有相同标记函数值的边具有相同的权重。