[发明专利]一种目标对象的动作识别方法与装置

说明书

公开了一种目标对象的动作识别方法、装置、计算机可读存储介质及电子设备，该方法包括：获取目标对象的关键点在预设图像序列中各自对应的坐标点，得到多个坐标点；对多个坐标点进行一维卷积获得目标对象的多个第一局部特征；确定多个第一局部特征对应的第一权重系数，以获取目标对象的多个第一加权局部特征；基于多个第一加权局部特征，获取目标对象的全局特征；基于全局特征，获取目标对象对应的第一动作类型。本公开利用一维卷积获取目标对象的第一局部特征，并利用第一局部特征对应的第一权重系数对多个第一局部特征的重要程度进行区分，以更好地突出部分关键点对整体动作识别的贡献，使得最终识别出的目标对象的动作类型的准确性较高。

技术领域

本公开涉及卷积神经网络技术领域，且更具体地，涉及一种目标对象的动作识别方法与装置。

背景技术

卷积神经网络(Convolutional Neural Networks，简称CNN)是目前机器学习领域中的热门方向，利用卷积神经网络进行动作识别是其一项重要的具体应用。

在现有技术中，在利用卷积神经网络对目标对象的动作进行识别时，会通过对每一时刻全体的关键点的坐标进行卷积以识别出目标对象的动作类型，而该方法会忽略关键点在空间上的局部信息，从而导致识别出的目标对象的动作类型准确性较低。

发明内容

为了解决上述技术问题，提出了本公开。本公开的实施例提供了一种目标对象的动作识别方法、装置、计算机可读存储介质与电子设备，其利用一维卷积获取目标对象的第一局部特征，并利用第一局部特征对应的第一权重系数对多个第一局部特征的重要程度进行区分，以更好地突出部分关键点对整体动作识别的贡献，使得最终识别出的目标对象的动作类型的准确性较高。

根据本公开的第一方面，提供了一种目标对象的动作识别方法，包括：

获取目标对象的多个关键点在预设图像序列中各自对应的坐标点，得到多个坐标点；

对所述多个坐标点进行一维卷积以获得所述目标对象的多个第一局部特征；

确定所述多个第一局部特征各自对应的第一权重系数，以获取所述目标对象的多个第一加权局部特征；

基于所述多个第一加权局部特征，获取所述目标对象对应的全局特征；

基于所述全局特征，获取所述目标对象对应的第一动作类型。

根据本公开的第二方面，提供了一种标对应的动作识别装置，包括：

坐标点获取模块，用于获取目标对象的多个关键点在预设图像序列中各自对应的坐标点，得到多个坐标点；

局部特征获取模块，用于对所述多个坐标点进行一维卷积以获得所述目标对象的多个第一局部特征；

加权特征获取模块，用于确定所述多个第一局部特征各自对应的第一权重系数，以获取所述目标对象的多个第一加权局部特征；

全局特征获取模块，用于基于所述多个第一加权局部特征，获取所述目标对象对应的全局特征；

动作类型获取模块，用于基于所述全局特征，获取所述目标对象对应的第一动作类型。

根据本公开的第三方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述的目标对象的动作识别方法。

根据本公开的第四方面，提供了一种电子设备，所述电子设备包括：

处理器；

用于存储所述处理器可执行指令的存储器；

所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述的目标对象的动作识别方法。