[发明专利]行为识别方法、装置、存储介质和处理器

权利要求书

1.一种行为识别方法，其特征在于，包括：

获取第一超图模型，其中，所述第一超图模型用于表征多个动作序列之间的相关性，每个动作序列用于指示目标对象的多个姿势，所述多个姿势共同用于表示所述目标对象的行为变化过程；

根据所述第一超图模型的所有超边构建第二超图模型，其中，所述第二超图模型用于对所述第一超图模型中的每条超边的权重进行处理；

通过处理后的所述第一超图模型对所述每个动作序列进行分类，得到所述每个动作序列的类别；

根据所述每个动作序列的类别识别出所述目标对象的目标行为；

其中，在根据所述第一超图模型的所有超边构建所述第二超图模型之后，所述方法还包括：通过所述第二超图模型确定用于对所述第一超图模型中的每条超边的权重进行处理的目标函数，包括：通过所述第二超图模型确定用于对所述第一超图模型中的每条超边的权重进行处理的如下目标函数：

其中，λ＞0用于表示第一权衡参数，R_emp(F)用于表示经验损失函数，F∈R^N×C用于表示所述第一超图模型中的所有顶点属于预设类别的可信度，N用于表示所述动作序列的数量，C用于表示所述多个动作序列的类别数量，Ωⁱ(F,wⁱ)用于表示所述第一超图模型的第一正则项，i用于表示所述每个动作序列的目标特征的序号，μ＞0用于表示第二权衡参数，用于表示所述第二超图模型的第二正则项，∑wⁱ＝1用于表示所述目标函数的约束条件。

2.根据权利要求1所述的方法，其特征在于，获取所述第一超图模型包括：

获取目标数据集，其中，所述目标数据集由所述多个动作序列组成；

根据所述每个动作序列的目标特征构建所述第一超图模型，所述目标特征用于表征所述动作序列。

3.根据权利要求2所述的方法，其特征在于，在根据所述每个动作序列的目标特征构建所述第一超图模型之前，所述方法还包括：

提取所述每个动作序列中的多个特征；

从所述多个特征中确定所述每个动作序列的目标特征。

4.根据权利要求2所述的方法，其特征在于，根据所述每个动作序列的目标特征构建所述第一超图模型包括：

获取所述第一超图模型的顶点集合，其中，所述顶点集合用于表示所述多个动作序列；

在由所述每个动作序列的目标特征构成的特征空间中，通过所述顶点集合构造所述第一超图模型的超边集合；

获取所述第一超图模型的超边的权重；

根据所述顶点集合、所述超边集合和所述超边的权重构建所述第一超图模型。

5.根据权利要求1所述的方法，其特征在于，根据所述第一超图模型的所有超边构建所述第二超图模型包括：

获取所述第一超图模型的超边中任意两条目标超边的权重；

对所述目标超边的权重进行处理，得到所述两条目标超边的第一相关系数，其中，所述第一相关系数在预设阈值内，且用于指示所述两条目标超边的相关程度；

根据所述第一相关系数构建基于超边的所述第二超图模型，其中，所述第二超图模型的每个顶点对应所述第一超图模型的超边。

6.根据权利要求1所述的方法，其特征在于，在根据所述第一超图模型的所有超边构建所述第二超图模型之后，所述方法还包括：

在所述第一超图模型的超边的权重不变的情况下，根据第一目标函数处理所述第一超图模型中的所有顶点属于预设类别的可信度；

在所述可信度不变的情况下，根据第二目标函数处理所述第一超图模型的超边的权重。