[發(fā)明專利]一種人工智能監(jiān)控方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110328486.1
• 申請(qǐng)日: 2021-03-26
• 公開(kāi)（公告）號(hào): CN112926517B
• 公開(kāi)（公告）日: 2022-11-18
• 發(fā)明（設(shè)計(jì)）人: 王田;張奇鵬;呂金虎
• 申請(qǐng)（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號(hào): G06V40/20
• 分類號(hào): G06V40/20;G06V10/764;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京康思博達(dá)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11426
• 代理人: 劉冬梅;范國(guó)鋒

本發(fā)明公開(kāi)了一種人工智能監(jiān)控方法，通過(guò)特征提取圖卷積網(wǎng)絡(luò)獲取動(dòng)作特征，再根據(jù)動(dòng)作特征進(jìn)行人體動(dòng)作預(yù)測(cè)和人體動(dòng)作識(shí)別，從而實(shí)現(xiàn)人工智能監(jiān)控。本發(fā)明提供的人工智能監(jiān)控方法，能夠更好的描述人體的動(dòng)作，并節(jié)約運(yùn)算資源，提升運(yùn)算性能。

技術(shù)領(lǐng)域

本發(fā)明涉及一種人工智能監(jiān)控方法，屬于人工智能技術(shù)領(lǐng)域。

背景技術(shù)

人工智能監(jiān)控包含人體動(dòng)作識(shí)別和預(yù)測(cè)兩個(gè)部分，傳統(tǒng)的人工智能監(jiān)控，多集中于單任務(wù)模型的研究，即分開(kāi)完成這兩個(gè)任務(wù)，通過(guò)兩個(gè)模型分別進(jìn)行人體動(dòng)作識(shí)別、人體動(dòng)作預(yù)測(cè)。

然而，人體動(dòng)作識(shí)別和人體動(dòng)作預(yù)測(cè)，都涉及從人體動(dòng)作中提取特征，并且從人類的認(rèn)知過(guò)程來(lái)看，動(dòng)作識(shí)別和動(dòng)作預(yù)測(cè)存在內(nèi)在的關(guān)聯(lián)。

傳統(tǒng)單任務(wù)模型的方式，不僅計(jì)算效率低，還浪費(fèi)了計(jì)算資源。

因此，有必要設(shè)計(jì)一種能夠?qū)⑷梭w動(dòng)作識(shí)別和人體動(dòng)作預(yù)測(cè)結(jié)合的人工智能監(jiān)控方法。

發(fā)明內(nèi)容

為了克服上述問(wèn)題，本發(fā)明人進(jìn)行了銳意研究，設(shè)計(jì)出一種人工智能監(jiān)控方法，通過(guò)特征提取圖卷積網(wǎng)絡(luò)獲取動(dòng)作特征，再根據(jù)動(dòng)作特征進(jìn)行人體動(dòng)作預(yù)測(cè)和人體動(dòng)作識(shí)別，從而實(shí)現(xiàn)人工智能監(jiān)控。

該方法包括以下步驟：

S1、構(gòu)建特征提取圖卷積網(wǎng)絡(luò)，用于提取動(dòng)作特征；

S2、構(gòu)建動(dòng)作識(shí)別網(wǎng)絡(luò)和動(dòng)作預(yù)測(cè)網(wǎng)絡(luò)，根據(jù)提取的動(dòng)作特征，進(jìn)行動(dòng)作識(shí)別和動(dòng)作預(yù)測(cè)；

S3、對(duì)特征提取圖卷積網(wǎng)絡(luò)、動(dòng)作識(shí)別網(wǎng)絡(luò)和動(dòng)作預(yù)測(cè)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，獲得監(jiān)控模型。

進(jìn)一步地，在步驟S1中，所述動(dòng)作特征為能夠體現(xiàn)人體動(dòng)作狀態(tài)的矩陣，所述構(gòu)建特征提取圖卷積網(wǎng)絡(luò)包括以下子步驟:

S11、將圖像信息轉(zhuǎn)換為人體骨架，作為圖卷積網(wǎng)絡(luò)的輸入；

S12、確定圖卷積網(wǎng)絡(luò)參數(shù)。

更進(jìn)一步地，在步驟S11中，將圖像中不同骨骼簡(jiǎn)化為線段，將線段連接形成人體骨架，通過(guò)鄰接矩陣對(duì)人體骨架進(jìn)行數(shù)學(xué)表達(dá)，

其中，將代表不同骨骼線段的端點(diǎn)作為鄰接矩陣的頂點(diǎn)，將線段作為鄰接矩陣的邊，從而獲得人體骨架的鄰接矩陣A。

在步驟S12中，圖卷積層卷積核包括固定卷積核和關(guān)聯(lián)卷積：

所述固定卷積核用于描述人體骨架中相互連接的骨骼對(duì)人體動(dòng)作的影響；

所述關(guān)聯(lián)卷積核用于描述人體骨架中非連接的骨骼對(duì)人體動(dòng)作的影響。

根據(jù)本發(fā)明一個(gè)優(yōu)選的實(shí)施方式，所述固定卷積核表示為：

其中，σ()為非線性激活函數(shù)；

操作表示元素的乘積，上標(biāo)l表示不同的卷積層；

M^l為第l層的可學(xué)習(xí)矩陣，其用于表示鄰接矩陣A中不同邊的權(quán)重；

W^l表示第l層的權(quán)重參數(shù)矩陣；

X^l表示第l層的卷積層的輸出，也是第l+1層的輸入；

I是單位矩陣，是的度矩陣。

根據(jù)本發(fā)明一個(gè)優(yōu)選的實(shí)施方式，所述關(guān)聯(lián)卷積核可以表示為：

X^l+1＝σ(A_pX^lW^l)