[发明专利]运动对象动作识别方法、装置及设备、非易失性存储介质

权利要求书

1.一种运动对象动作识别方法，其特征在于，包括：

获取运动对象动作图像；

对所述运动对象动作图像进行分析，得到运动对象关节点序列；

从所述运动对象关节点序列中提取运动对象动作的时空动态特征；

基于所述时空动态特征对所述运动对象动作进行识别。

2.根据权利要求1所述的方法，其特征在于，从所述运动对象关节点序列中提取所述时空动态特征包括：

将所述运动对象关节点序列输入至时空图卷积网络模型，其中，所述时空图卷积网络模型包括：多层时空图卷积计算单元；

利用所述多层时空图卷积计算单元提取所述时空动态特征。

3.根据权利要求2所述的方法，其特征在于，所述多层时空图卷积计算单元中每层时空图卷积计算单元包括：空间支路，时间支路和残差支路，利用所述多层时空图卷积计算单元提取所述时空动态特征包括：

在所述空间支路上，从所述运动对象关节点序列中提取所述运动对象动作的多个关节点之间的空间特征；

在所述时间支路上，从所述运动对象关节点序列中提取所述多个关节点之间的时间特征；

在所述残差支路上，传递每层时空图卷积计算单元的原始输入信息；

通过对所述空间特征、所述时间特征以及所述原始输入信息进行相加处理，得到所述时空动态特征。

4.根据权利要求3所述的方法，其特征在于，所述空间支路包括：多个采样单元、多个卷积单元和一个融合单元，在所述空间支路上，从所述运动对象关节点序列中提取所述空间特征包括：

采用所述多个采样单元提取与所述多个关节点对应的多个尺度连接特征，其中，所述多个采样单元中每个采样单元分别采样不同尺度连接特征；

采用所述多个卷积单元中分别与每个采样单元对应的卷积单元对所述多个尺度连接特征进行特征处理，得到多个处理结果；

采用所述融合单元对所述多个处理结果进行融合处理，得到所述空间特征。

5.根据权利要求4所述的方法，其特征在于，所述多个尺度连接特征的重数由顺次相连的所述多个关节点的数量来确定，所述多个采样单元的数量与所述多个尺度连接特征的重数相同。

6.根据权利要求3所述的方法，其特征在于，所述时间支路包括：至少一个采样单元、多个卷积单元和一个融合单元，在所述时间支路上，从所述运动对象关节点序列中提取所述时间特征包括：

采用所述至少一个采样单元提取与所述多个关节点对应的二阶时序特征；

采用所述多个卷积单元中至少一个卷积单元对所述二阶时序特征进行特征处理，得到多个处理结果；

采用所述融合单元对所述多个处理结果进行融合处理，得到所述时间特征。

7.根据权利要求1所述的方法，其特征在于，所述运动对象包括以下之一：

人体运动对象、类人体运动对象、动物体运动对象、机器仿真运动对象。

8.一种运动对象动作识别方法，其特征在于，包括：

获取运动对象动作图像；

对所述运动对象动作图像进行分析，得到运动对象关节点序列；

将所述运动对象关节点序列设置为时空图卷积网络模型的输入参数，输出运动对象动作的识别结果，其中，所述时空图卷积网络模型包括：多层时空图卷积计算单元，所述多层时空图卷积计算单元用于从所述运动对象关节点序列中提取所述运动对象动作的时空动态特征，所述时空动态特征用于预测所述识别结果。