[发明专利]一种动作识别方法、动作识别模型训练方法及相关装置

说明书

本发明公开了一种动作识别方法、动作识别模型训练方法及相关装置，该动作识别方法包括：获取包含待识别动作的待识别视频和包含目标动作的动作视频；将动作视频和待识别视频输入动作识别模型，通过动作识别模型中的特征提取网络分别对动作视频和待识别视频进行特征提取，得到第一特征数据和第二特征数据；并在动作识别模型的互相关网络中利用第一特征数据对第二特征数据进行互相关处理，识别待识别视频包含的待识别动作是否是目标动作。通过上述方式，本发明能够利用一个动作样本只进行一次学习来实现动作识别，提高识别效率。

技术领域

本发明涉及视频处理技术领域，特别是涉及一种动作识别方法、动作识别模型训练方法及相关装置。

背景技术

在行为识别技术领域，随着人工智能、模式识别等技术的飞速发展，人体的行为识别受到越来越多人的关注，尤其在安防领域，有效的人体动作识别分析，可以有效的预防和避免一些安全事故发生，因此人体动作识别是迫在眉睫。虽然近年来基于深度学习模型分类的方法将人体动作识别的准确率提高到一个新的高度，但是人体动作复杂多变，如果将所有动作都去训练分类非常困难，并且当有新增特殊动作时需要在采集数据，重新训练模型，迭代过程非常复杂麻烦。

发明内容

本发明主要解决的技术问题是提供一种动作识别方法、动作识别模型训练方法及相关装置，能够利用一个动作样本只进行一次学习来实现动作识别，提高识别效率。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种动作识别方法，该动作识别方法包括：获取包含待识别动作的待识别视频和包含目标动作的动作视频；将动作视频和待识别视频输入动作识别模型，通过动作识别模型中的特征提取网络分别对动作视频和待识别视频进行特征提取，得到第一特征数据和第二特征数据；并在动作识别模型的互相关网络中利用第一特征数据对第二特征数据进行互相关处理，识别待识别视频包含的待识别动作是否是目标动作。

其中，在动作识别模型中的互相关网络中利用第一特征数据对第二特征数据进行互相关处理包括：基于第一特征数据的尺寸确定卷积核；利用卷积核对第二特征数据进行卷积处理，得到目标特征值；基于待识别视频中与目标特征值对应的视频段，确定待识别动作是否是目标动作。

其中，基于第一特征数据的尺寸确定卷积核包括：对第一特征数据进行池化处理，以改变第一特征数据的尺寸，将池化处理后的第一特征数据作为卷积核。

其中，利用卷积核对第二特征数据进行卷积处理，得到目标特征值包括：利用卷积核对第二特征数据进行卷积处理，得到互相关特征值；利用卷积核对互相关特征值进行卷积处理，得到目标特征值。

其中，特征提取网络为孪生网络，利用特征提取网络对动作视频和待识别视频进行特征提取，得到第一特征数据和第二特征数据包括：利用孪生网络的第一网络对动作视频进行特征提取，得到第一特征数据；利用孪生网络的第二网络对待识别视频进行特征提取，得到第二特征数据。

其中，第一网络和第二网络分别包括姿态提取网络和动作提取网络，利用特征提取网络对动作视频和待识别视频进行特征提取包括：将动作视频和待识别视频分别输入姿态提取主干网络，获取动作视频和待识别视频中的姿态信息；将动作视频和待识别视频中的姿态信息输入动作提取网络，对姿态信息进行3D卷积处理，提取姿态信息的姿态变化，得到第一特征数据和第二特征数据。

其中，动作视频和待识别视频中的姿态信息包括人体的姿态信息，人体的姿态信息包括人体的关键点的热度图。