[发明专利]一种基于蒸馏损失的人体动作增量识别方法及装置

权利要求书

1.一种基于蒸馏损失的人体动作增量识别方法，其特征在于，包括：

一、建立人体动作识别模型；

二、使用所述人体动作识别模型对输入数据进行训练，得到模型参数；

三、当需要对标注新动作类别的数据进行训练时，使用增量识别训练方法更新模型参数，具体步骤为：

首先使用已经训练好的参数对新数据进行预测得到预测动作类别，称为旧知识的软标签；

将旧知识的软标签与新数据和正确标签一同作为损失函数的输入，所述损失函数；其中 为分类损失函数， 为蒸馏损失函数，

、 分别为需要训练的模型对应正确标签和软标签的概率，为自定义超参数， 是参数的正则项；

以损失函数最小化为目标，对新的模型参数进行训练；

四、将待测试数据集输入训练后的动作识别模型，识别出人体动作。

2.基于权利要求1所述的基于蒸馏损失的人体动作增量识别方法，其特征在于，所述人体动作识别模型训练参数的方法为：

模型通过拟合条件概率来获得对给定输入的分类概率，其中y为人体动作类型，H为具有明确语义信息的隐藏状态集，X为人体姿态序列，为模型的能量函数，为模型的参数，

设置能量函数为

其中，，分别为从运动训练数据集中获得的人体姿态编码序列、姿态变化编码序列和隐藏状态编码序列，使用人体姿态编码序列作为输入，对应的隐藏状态编码序列作为输出，训练；使用姿态变化编码序列作为输入，对应的隐藏状态转换序列作为输出，训练；使用隐藏状态编码序列作为输入，人体动作类别作为输出，训练分类参数；使用隐藏状态转换序列作为输入，人体动作类别作为输出，训练分类参数，得到所述动作识别模型。

3.基于权利要求2所述的基于蒸馏损失的人体动作增量识别方法，其特征在于，增加温度系数T，控制输出的概率分布平稳程度；将拟合条件概率公式修改为

；

和计算中温度系数 ;的计算中温度系数。

4.基于权利要求3所述的基于蒸馏损失的人体动作增量识别方法，其特征在于，在对新的模型参数进行训练时，将训练好的旧模型参数作为新模型参数的训练初始值，只对中新增的对应新类别的权重值进行初始化。

5.基于权利要求4所述的基于蒸馏损失的人体动作增量识别方法，其特征在于，表示运动特征语义信息的隐藏状态编码使用8个二进制位，分别表示人体是否垂直于水平面、左右大臂与肩关节位置关系、左右大腿与髋关节位置关系、竖直平面内是否有位移、水平面内是否有位移、是否有前驱或后仰动作。

6.基于权利要求5所述的基于蒸馏损失的人体动作增量识别方法，其特征在于，所述姿态变化编码序列的生成方法为：从每个时间点的运动训练数据中，提取每个关键关节点或肢体段在其父关节点局部坐标系中的旋转角度，并与前一个时间点的旋转角度进行比较，得到表示姿态变化趋势的姿态变化编码序列。

7.基于权利要求6所述的基于蒸馏损失的人体动作增量识别方法，其特征在于，所述人体姿态编码序列的生成方法为：基于所述运动训练数据集获取每个训练采集时间点对应的姿态，选取人体骨骼关键关节点或肢体段，计算在其父关节点局部坐标系中绕每个坐标轴的旋转角度，计算得到所处子空间位置，并进行编码，转换成对应的人体姿态编码序列。