[发明专利]行为识别方法、装置、存储介质和处理器

说明书

本发明公开了一种行为识别方法、装置、存储介质和处理器。该方法包括：获取第一超图模型，其中，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，多个姿势共同用于表示目标对象的行为变化过程；根据第一超图模型的所有超边构建第二超图模型，其中，第二超图模型用于对第一超图模型中的每条超边的权重进行处理；通过处理后的第二超图模型对每个动作序列进行分类，得到每个动作序列的类别；根据每个动作序列的类别识别出目标对象的目标行为。通过本发明，达到了提高对行为识别的准确性的效果。

技术领域

本发明涉及图像处理领域，具体而言，涉及一种行为识别方法、装置、存储介质和处理器。

背景技术

目前，在行为识别方法中，通过动作的运动轨迹来提取固定的特征，然后将固定的特征与现有的特征模型进行匹配，进而得到动作的识别结果。

相关技术中还提供了一种行为识别方法，对于用作训练和测试的动作序列都提取一种或几种特征，然后对一种或几种特征进行融合处理、降维处理等，得到特征向量，再对已有的特征向量进行训练，得到分类模型，最后根据分类模型待测试的动作序列进行分类。

上述行为识别方法没有利用超图模型对动作序列进行分类识别，这样采用的SVM等分类模型并没有充分考虑到动作序列之间的高阶相关性，对动作序列的类别识别的准确性低，进而导致对行为识别的准确性低的问题。

相关技术中还提供了一种行为识别方法，利用图论，基于动作序列间的相关性或者相似度来构建超图模型，利用图的分割、学习等理论，来对这些动作序列进行分类。

在上述利用超图模型进行动作识别的方法中，对于超图中边的权重并没有进行优化处理，另外，现有技术中基于多特征融合的方法，在多特征融合后，对动作序列的类别识别的效果提升并不多，从而对动作序列的类别识别的准确性低，导致对行为识别的准确性低的问题。

针对现有技术中对行为识别的准确性低的问题，目前尚未提出有效的解决方案。

发明内容

本发明的主要目的在于提供一种行为识别方法、装置、存储介质和处理器，以至少解决对行为识别的准确性低的问题。

为了实现上述目的，根据本发明的一个方面，提供了一种行为识别方法。该方法包括：获取第一超图模型，其中，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，多个姿势共同用于表示目标对象的行为变化过程；根据第一超图模型的所有超边构建第二超图模型，其中，第二超图模型用于对第一超图模型中的每条超边的权重进行处理；通过处理后的第一超图模型对每个动作序列进行分类，得到每个动作序列的类别；根据每个动作序列的类别识别出目标对象的目标行为。

可选地，获取第一超图模型包括：获取目标数据集，其中，目标数据集由多个动作序列组成；根据每个动作序列的目标特征构建第一超图模型，其中，目标特征用于表征动作序列。

可选地，在根据每个动作序列的目标特征构建第一超图模型之前，该方法还包括：提取每个动作序列中的多个特征；从多个特征中确定每个动作序列的目标特征。

可选地，根据每个动作序列的目标特征构建第一超图模型包括：获取第一超图模型的顶点集合，其中，顶点集合用于表示多个动作序列；在由每个动作序列的目标特征构成的特征空间中，通过顶点集合构造第一超图模型的超边集合；获取第一超图模型的超边的权重；根据顶点集合、超边集合和超边的权重构建第一超图模型。

可选地，根据第一超图模型的所有超边构建第二超图模型包括：获取第一超图模型的超边中任意两条目标超边的权重；对目标超边的权重进行处理，得到两条目标超边的第一相关系数，其中，第一相关系数在预设阈值内，且用于指示两条目标超边的相关程度；根据第一相关系数构建基于超边的第二超图模型，其中，第二超图模型的每个顶点对应第一超图模型的超边。