[發明專利]一種基于注意力機制的特征提取方法、裝置及電子設備

在審

• 申請號: 201910069590.6
• 申請日: 2019-01-24
• 公開（公告）號: CN111476258A
• 公開（公告）日: 2020-07-31
• 發明（設計）人: 張睿;王輝;姜偉浩;浦世亮
• 申請（專利權）人: 杭州海康威視數字技術股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 李欣;馬敬

本發明實施例提供了一種基于注意力機制的特征提取方法、裝置及電子設備。該方法包括：獲取多個訓練樣本和每個訓練樣本對應的人員類別標簽，其中，每個訓練樣本包括至少一類樣本信息，至少一類樣本信息包括人員行為序列；基于每個訓練樣本所包括的各類樣本信息和每個訓練樣本對應的人員類別標簽，對預設的注意力網絡模型進行訓練，其中，注意力網絡模型為用于識別人員類別的模型；當注意力網絡模型符合預設的收斂條件時，從注意力網絡模型的特征輸出層的輸出內容中，獲取每種人員類別標簽對應的行為特征。與現有技術相比，應用本發明實施例提供的方法，可以提高所獲取到的行為特征的準確率。

技術領域

本發明涉及計算機技術領域，特別是涉及一種基于注意力機制的特征提取方法、裝置、電子設備及計算機可讀存儲介質。

背景技術

當前，隨著計算機技術的不斷發展，研究人員可以通過對人員行為進行分析，挖掘出人員行為背后隱含的有效信息，進而，確定與人員行為相關的特征。其中，由于行為序列作為人員行為的一種表達方式，能夠反映出人員行為所存在的客觀規律，因此，通常被研究人員用于挖掘行為特征。所謂行為序列是：按照人員執行各個行為的時間從早到晚的順序，將人員在一定時間內所執行的各個行為進行排列得到的序列。

相關技術中，為了得到各個人員類別對應的行為特征，利用行為序列提取行為特征的方法為：針對每一人員類別，將屬于該人員類別的各個人員的人員行為序列作為訓練樣本，將每個訓練樣本編碼為固定長度的向量，進而利用詞向量計算工具Word2vec對編碼得到的各個向量進行學習，得到該人員類別對應的Word Embedding。所謂Word Embedding是一種用于表征事物特征的定長的連續的稠密向量，在上述相關技術中通過WordEmbedding表征Word2vec所確定的行為特征。

在行為序列中，可能存在與行為特征關系較小，甚至無關的行為，因此，在編碼得到的各個向量中，每個維度對最終得到的Word Embedding所起的作用不同。而在上述的相關技術中，由于在對向量進行學習的過程中，Word2vec對向量的每個維度的關注度的是相同的，因此，可能會使得對Word Embedding所起作用較大的維度的關注度不夠高，而對WordEmbedding所起作用較小的維度的關注度過高，最終導致所提取到的行為特征的準確率較低。

發明內容

本發明實施例的目的在于提供一種基于注意力機制的特征提取方法、裝置、電子設備及計算機可讀存儲介質，以提高所獲取到的行為特征的準確率。

具體技術方案如下：

第一方面，本發明實施例提供了一種基于注意力機制的特征提取方法，所述方法包括：

獲取多個訓練樣本和每個訓練樣本對應的人員類別標簽，其中，每個訓練樣本包括至少一類樣本信息，所述至少一類樣本信息包括人員行為序列；

基于每個訓練樣本所包括的各類樣本信息和每個訓練樣本對應的人員類別標簽，對預設的注意力網絡模型進行訓練，其中，所述注意力網絡模型為用于識別人員類別的模型；

當所述注意力網絡模型符合預設的收斂條件時，從所述注意力網絡模型的特征輸出層的輸出內容中，獲取每種人員類別標簽對應的行為特征。

可選的，一種具體實現方式中，所述至少一類樣本信息還包括：人員時間序列；

其中，所述人員時間序列為：將所述人員行為序列中每個行為對應的執行時間，按照所述人員行為序列中每個行為的排列順序進行排列得到的序列。

可選的，一種具體實現方式中，所述至少一類樣本信息還包括：人員身份標識。

可選的，一種具體實現方式中，所述獲取多個訓練樣本的步驟，包括：