[发明专利]一种基于视频的人体行为网络模型及识别方法

说明书

本发明公开了一种基于视频的人体行为网络模型及识别方法，包括：3D卷积层、四层Block模块、全局平均池化层以及Softmax激活层。首先，所述3D卷积层，将输入的连续视频帧进行3D卷积操作，然后进入Block模块；所述Block模块主要由改进的3D残差块和SE模块构成，首先利用3D残差块对视频帧进行特征提取，然后经过SE模块，让网络自动获取每个特征通道的重要程度，从而增加重要通道的利用率；最后，将通过全局平均池化层的特征输入到Softmax激活层，输出人体行为类别。本发明的优点是：简单、快捷，且识别精度高，提高了提取时空特征的能力，解决了网络模型的参数较多以及准确率较低的问题。

技术领域

本发明涉及计算机视觉技术领域，特别涉及一种基于视频的人体行为网络模型及识别方法。

背景技术

当今社会，计算机技术已经飞速发展起来，具有非常强大的功能，可以协助人类解决很多问题。基于视频序列的人体行为识别，作为多学科交叉的研究课题，是计算机视觉中的一个非常重要的子任务，应用非常广泛。

随着硬件技术的发展和物联网技术的推广，监控摄像头已经无处不在，但它只能起到实时记录的作用，并不具备智能分析功能，需要人工监视视频内容，容易造成误判，不能及时地做出适当有效的判断，无法满足视频监控的要求。基于视频的人体行为识别，可以对视频中的人体行为进行有效地识别，从而节省大量的人力物力，因此具有很重要的研究意义和研究价值。但是传统行为识别方法需要通过人工提取特征来对动作进行表述，容易受到摄像机不同视角、背景杂乱的影响，导致提取过程复杂且特征的表征能力较弱，局限性大，因此需要设计一种非常高效的人体行为识别方法。

中国发明专利CN 109784418 A《一种基于特征重组的人体行为识别及系统》公开了一种基于特征重组的人体行为识别方法。该方法选用过滤式和嵌入式特征等方法选择特征，并组合成一个初始化特征集，然后按特征出现频率将特征集划分为高频特征和低频特征，并对低频特征进行随机选择与高频特征重组成新的特征集，最后采用分类算法对新的特征集进行人体行为识别，计算每个行为类别的识别率。该方法虽然在一定程度上能够提高识别精度，但它不能进行端对端的训练，导致效率低下。

中国发明专利CN 102811343 B《一个基于行为分析的智能视频监控系统的原型》公开了一种基于行为识别的智能视频监控系统，从而对目标进行分类。该系统首先进行视频采集，然后将其进行处理，接着采用贝叶斯分类算法对视频行为进行分类，最后输送到报警模块，进行预警。该专利虽然提高了精度，但其只是对视频数据进行了有效地预处理，算法属于传统行为识别方法，并未对其创新，使得特征提取过程复杂，泛化能力差。

发明内容

本发明针对现有技术的缺陷，提供了一种基于视频的人体行为网络模型及识别方法。

为了实现以上发明目的，本发明采取的技术方案如下：

一种基于视频的人体行为网络模型，其特征在于，包括：3D卷积层、Block网络块、全局均值池化层和softmax激活函数层；其中，3D卷积层对输入的连续视频帧进行卷积以及提高维度；Block网络模块一共有四个且结构相同，都是由改进的残差块以及SE模块构成；改进残差块由BN层-Relu激活函数-卷积层(3×3×3)-BN层-Relu激活函数-卷积层(3×3×3)-Shortcut连接构成；改进的SE模块由：全局平均池化层-逐点卷积层(1×1×1)-Relu激活函数-逐点卷积层(1×1×1)-Sigmoid激活函数层构成；

在单个Block网络模块里，连续的视频帧先经过残差块，可以解决模型退化以及梯度爆炸的问题，从而提取出有效地特征，然后改进的SE模块对残差块输出的通过进行重要度判别，从而提高重要通道的利用率，加强有用特征的提取，压缩无用特征的使用；四个模块依次叠加，可以加深网络，使提取有效特征的能力最大化，从而提高识别精度；全局平均池化层不仅可以起到全连接层的作用，还可以有效地减少网络模型参数，同时在结构上做正则化防止过拟合；Softmax激活层用于输出行为类别。