[发明专利]行为识别方法、装置、存储介质及电子装置

说明书

本发明实施例提供了一种行为识别方法、装置、存储介质及电子装置，其中，该方法包括：对包含待处理对象的图像序列进行特征提取，获得图像序列的图像序列特征，其中，图像序列特征用于表征待处理对象在图像序列中的运动信息；对图像序列中的目标图像进行特征提取，得到目标图像的目标图像特征，其中，目标图像为从图像序列中选取的图像，目标图像特征用于表征待处理对象在目标图像中的位置信息；基于图像序列特征和目标图像特征，确定待处理特征；基于待处理特征，对待处理对象在图像序列中的行为进行识别。通过本发明，解决了相关技术中存在的对行为识别的准确率不高的问题，达到了提高行为识别准确率的效果。

技术领域

本发明实施例涉及计算机技术领域，具体而言，涉及一种行为识别方法、装置、存储介质及电子装置。

背景技术

随着计算机技术、互联网和人工智能的发展，视频图像的规模呈指数式的增长。如何让机器按照人类的思维方式去“认识”视频，并实现在不同场景下视频的自动理解，一直成为机器视觉领域一个急需解决的问题。下面以人体异常行为分析与识别为例，人体异常行为分析技术在公共安全、智能家居等领域具有广泛应用，应用的场合包括家庭、ATM机、银行、商店、停车场、机场、政府大楼、军事基地、码头等，例如，智能家居中用来监控独居老人摔倒、昏迷，在人群密集处监控倒地、打架斗殴、人群异常聚集、骚乱等异常情况。但是现有的人体异常行为分析技术对于异常行为的区分并不够清晰明确，异常行为识别准确率不高，异常行为报警的可靠性不强。因此，需要一种新的人体异常行为识别技术来解决上述问题。

针对相关技术中存在的对行为识别的准确率不高的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种行为识别方法、装置、存储介质及电子装置，以至少解决相关技术中存在的对行为识别的准确率不高的问题。

根据本发明的一个实施例，提供了一种行为识别方法，包括：对包含待处理对象的图像序列进行特征提取，获得所述图像序列的图像序列特征，其中，所述图像序列特征用于表征所述待处理对象在所述图像序列中的运动信息；对所述图像序列中的目标图像进行特征提取，得到所述目标图像的目标图像特征，其中，所述目标图像为从所述图像序列中选取的图像，所述目标图像特征用于表征所述待处理对象在所述目标图像中的位置信息；基于所述图像序列特征和所述目标图像特征，确定待处理特征；基于所述待处理特征，对所述待处理对象在所述图像序列中的行为进行识别。在一个示例性实施例中，对包含待处理对象的图像序列进行特征提取，获得所述图像序列的图像序列特征之前，所述方法还包括：获取包含所述待处理对象的监控视频；对所述监控视频进行抽帧处理，获得所述图像序列。

在一个示例性实施例中，所述目标图像包括至少两个；所述基于所述图像序列特征和所述目标图像特征，确定待处理特征，包括：基于所述至少两个目标图像中包括的各个目标图像的目标图像特征，确定参考图像特征；基于所述图像序列特征和所述参考图像特征，确定待处理特征。

在一个示例性实施例中，基于所述至少两个目标图像中包括的各个目标图像的目标图像特征，确定参考图像特征包括：获取各个所述目标图像的所述目标图像特征的平均值，以得到所述参考图像特征。

在一个示例性实施例中，基于所述图像序列特征和所述目标图像特征，确定待处理特征包括：对所述图像序列特征和所述目标图像特征进行拼接及融合处理，以生成第一特征；对所述第一特征进行叠加处理，以生成所述待处理特征。

在一个示例性实施例中，对所述图像序列特征和所述目标图像特征进行拼接及融合处理，以生成第一特征包括：对所述图像序列特征中包括的用于标识所述图像序列的帧数的第一参数设置为1，以得到图像序列调整特征；将所述图像序列调整特征与所述目标图像特征在目标通道维度上进行拼接，以得到拼接特征；对所述拼接特征进行特征融合处理，以生成所述第一特征。