[發明專利]一種目標對象的動作識別方法與裝置

在審

• 申請號: 202110653416.3
• 申請日: 2021-06-11
• 公開（公告）號: CN113435272A
• 公開（公告）日: 2021-09-24
• 發明（設計）人: 朱亞旋;黃赫;束長勇;張慧中
• 申請（專利權）人: 北京地平線機器人技術研發有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 北京嘉科知識產權代理事務所(特殊普通合伙) 11687
• 代理人: 楊超

公開了一種目標對象的動作識別方法、裝置、計算機可讀存儲介質及電子設備，該方法包括：獲取目標對象的關鍵點在預設圖像序列中各自對應的坐標點，得到多個坐標點；對多個坐標點進行一維卷積獲得目標對象的多個第一局部特征；確定多個第一局部特征對應的第一權重系數，以獲取目標對象的多個第一加權局部特征；基于多個第一加權局部特征，獲取目標對象的全局特征；基于全局特征，獲取目標對象對應的第一動作類型。本公開利用一維卷積獲取目標對象的第一局部特征，并利用第一局部特征對應的第一權重系數對多個第一局部特征的重要程度進行區分，以更好地突出部分關鍵點對整體動作識別的貢獻，使得最終識別出的目標對象的動作類型的準確性較高。

技術領域

本公開涉及卷積神經網絡技術領域，且更具體地，涉及一種目標對象的動作識別方法與裝置。

背景技術

卷積神經網絡(Convolutional Neural Networks，簡稱CNN)是目前機器學習領域中的熱門方向，利用卷積神經網絡進行動作識別是其一項重要的具體應用。

在現有技術中，在利用卷積神經網絡對目標對象的動作進行識別時，會通過對每一時刻全體的關鍵點的坐標進行卷積以識別出目標對象的動作類型，而該方法會忽略關鍵點在空間上的局部信息，從而導致識別出的目標對象的動作類型準確性較低。

發明內容

為了解決上述技術問題，提出了本公開。本公開的實施例提供了一種目標對象的動作識別方法、裝置、計算機可讀存儲介質與電子設備，其利用一維卷積獲取目標對象的第一局部特征，并利用第一局部特征對應的第一權重系數對多個第一局部特征的重要程度進行區分，以更好地突出部分關鍵點對整體動作識別的貢獻，使得最終識別出的目標對象的動作類型的準確性較高。

根據本公開的第一方面，提供了一種目標對象的動作識別方法，包括：

獲取目標對象的多個關鍵點在預設圖像序列中各自對應的坐標點，得到多個坐標點；

對所述多個坐標點進行一維卷積以獲得所述目標對象的多個第一局部特征；

確定所述多個第一局部特征各自對應的第一權重系數，以獲取所述目標對象的多個第一加權局部特征；

基于所述多個第一加權局部特征，獲取所述目標對象對應的全局特征；

基于所述全局特征，獲取所述目標對象對應的第一動作類型。

根據本公開的第二方面，提供了一種標對應的動作識別裝置，包括：

坐標點獲取模塊，用于獲取目標對象的多個關鍵點在預設圖像序列中各自對應的坐標點，得到多個坐標點；

局部特征獲取模塊，用于對所述多個坐標點進行一維卷積以獲得所述目標對象的多個第一局部特征；

加權特征獲取模塊，用于確定所述多個第一局部特征各自對應的第一權重系數，以獲取所述目標對象的多個第一加權局部特征；

全局特征獲取模塊，用于基于所述多個第一加權局部特征，獲取所述目標對象對應的全局特征；

動作類型獲取模塊，用于基于所述全局特征，獲取所述目標對象對應的第一動作類型。

根據本公開的第三方面，提供了一種計算機可讀存儲介質，所述存儲介質存儲有計算機程序，所述計算機程序用于執行上述的目標對象的動作識別方法。

根據本公開的第四方面，提供了一種電子設備，所述電子設備包括：

處理器；

用于存儲所述處理器可執行指令的存儲器；

所述處理器，用于從所述存儲器中讀取所述可執行指令，并執行所述指令以實現上述的目標對象的動作識別方法。