[發(fā)明專利]一種跨場(chǎng)景遷移的交通行為識(shí)別方法、裝置、設(shè)備及介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210395868.0
• 申請(qǐng)日: 2022-04-15
• 公開（公告）號(hào): CN114758309A
• 公開（公告）日: 2022-07-15
• 發(fā)明（設(shè)計(jì)）人: 楊元峰;鮮學(xué)豐;李亞琴;董虎勝;劉剛
• 申請(qǐng)（專利權(quán)）人: 蘇州市職業(yè)大學(xué)
• 主分類號(hào): G06V20/54
• 分類號(hào): G06V20/54;G06V20/40
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 耿苑

本申請(qǐng)公開了一種跨場(chǎng)景遷移的交通行為識(shí)別方法、裝置、設(shè)備及介質(zhì)，涉及人工智能技術(shù)領(lǐng)域，該方法包括：獲取目標(biāo)場(chǎng)景對(duì)應(yīng)的目標(biāo)交通視頻；基于預(yù)設(shè)的運(yùn)動(dòng)詞典將所述目標(biāo)交通視頻轉(zhuǎn)換成相應(yīng)的目標(biāo)文本數(shù)據(jù)；所述運(yùn)動(dòng)詞典為基于源交通視頻的監(jiān)控畫面構(gòu)建的詞典；利用預(yù)先訓(xùn)練好的行為識(shí)別模型對(duì)所述目標(biāo)文本數(shù)據(jù)進(jìn)行處理，以得到與所述目標(biāo)交通視頻對(duì)應(yīng)的交通行為；其中，所述行為識(shí)別模型為利用與所述源交通視頻對(duì)應(yīng)的文本數(shù)據(jù)對(duì)基于自然語言算法構(gòu)建的模型進(jìn)行訓(xùn)練后得到的模型。通過上述技術(shù)方案，能夠在非必要選擇與目標(biāo)場(chǎng)景最相似的源場(chǎng)景或與目標(biāo)場(chǎng)景分布最接近的源場(chǎng)景樣本的情況下準(zhǔn)確、高效地識(shí)別跨場(chǎng)景遷移的交通行為。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，特別涉及一種跨場(chǎng)景遷移的交通行為識(shí)別方法、裝置、設(shè)備及介質(zhì)。

背景技術(shù)

隨著城市化進(jìn)程的逐步加快，機(jī)動(dòng)車數(shù)量急劇增長(zhǎng)，城市交通供需矛盾日益加劇，交通擁堵日益嚴(yán)重，通過基于交通監(jiān)控視頻研究和識(shí)別車輛交通行為可以提高城市交通管理水平。目前常用的行為識(shí)別方法首先從訓(xùn)練樣本中學(xué)習(xí)運(yùn)動(dòng)目標(biāo)的行為模型，然后將待識(shí)別的運(yùn)動(dòng)目標(biāo)的行為與已經(jīng)學(xué)習(xí)好的行為模型進(jìn)行模式匹配，判斷當(dāng)前的行為屬于哪種行為模型。此方法通常是在單個(gè)場(chǎng)景訓(xùn)練和部署模型，但是在每個(gè)場(chǎng)景中對(duì)訓(xùn)練樣本進(jìn)行詳盡的標(biāo)注是不可擴(kuò)展的，這導(dǎo)致訓(xùn)練后的模型不能很好地跨場(chǎng)景部署。現(xiàn)有技術(shù)中，通過將源場(chǎng)景樣本集與目標(biāo)場(chǎng)景訓(xùn)練樣本集組成訓(xùn)練樣本集，訓(xùn)練樣本集與目標(biāo)場(chǎng)景測(cè)試集的分布不同，通過調(diào)整源場(chǎng)景樣本與目標(biāo)場(chǎng)景訓(xùn)練樣本的樣本權(quán)重，找到源場(chǎng)景樣本中與目標(biāo)場(chǎng)景分布最接近的樣本，同時(shí)放大目標(biāo)域樣本損失的影響，增加有效數(shù)據(jù)權(quán)重，降低無效數(shù)據(jù)權(quán)重來形成跨場(chǎng)景遷移分類模型；通過將候選源場(chǎng)景與目標(biāo)場(chǎng)景的日常行為標(biāo)簽及傳感器映射到同一空間，并在該同一空間內(nèi)獲取與日常行為標(biāo)簽對(duì)應(yīng)的日常行為特征向量，從而由候選源場(chǎng)景中篩選出目標(biāo)場(chǎng)景的相似源場(chǎng)景來識(shí)別日常行為遷移；在使用微調(diào)方法進(jìn)行無線行為感知模型跨場(chǎng)景遷移之前，選擇合適的預(yù)訓(xùn)練模型，從而實(shí)現(xiàn)更高性能的跨場(chǎng)景無線行為感知。

然而，在已有的跨場(chǎng)景遷移方法需要選擇與目標(biāo)場(chǎng)景最相似的源場(chǎng)景或與目標(biāo)場(chǎng)景分布最接近的源場(chǎng)景樣本，不合適的源場(chǎng)景或源場(chǎng)景樣本選擇會(huì)導(dǎo)致性能降低甚至負(fù)遷移的現(xiàn)象。綜上，如何能夠在非必要選擇與目標(biāo)場(chǎng)景最相似的源場(chǎng)景或與目標(biāo)場(chǎng)景分布最接近的源場(chǎng)景樣本的情況下準(zhǔn)確、高效地識(shí)別跨場(chǎng)景遷移的交通行為有待進(jìn)一步解決。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的在于提供一種跨場(chǎng)景遷移的交通行為識(shí)別方法、裝置、設(shè)備及介質(zhì)，能夠在非必要選擇與目標(biāo)場(chǎng)景最相似的源場(chǎng)景或與目標(biāo)場(chǎng)景分布最接近的源場(chǎng)景樣本的情況下準(zhǔn)確、高效地識(shí)別跨場(chǎng)景遷移的交通行為。其具體方案如下：

第一方面，本申請(qǐng)公開了一種跨場(chǎng)景遷移的交通行為識(shí)別方法，包括：

獲取目標(biāo)場(chǎng)景對(duì)應(yīng)的目標(biāo)交通視頻；

基于預(yù)設(shè)的運(yùn)動(dòng)詞典將所述目標(biāo)交通視頻轉(zhuǎn)換成相應(yīng)的目標(biāo)文本數(shù)據(jù)；所述運(yùn)動(dòng)詞典為基于源交通視頻的監(jiān)控畫面構(gòu)建的詞典；

利用預(yù)先訓(xùn)練好的行為識(shí)別模型對(duì)所述目標(biāo)文本數(shù)據(jù)進(jìn)行處理，以得到與所述目標(biāo)交通視頻對(duì)應(yīng)的交通行為；其中，所述行為識(shí)別模型為利用與所述源交通視頻對(duì)應(yīng)的文本數(shù)據(jù)對(duì)基于自然語言算法構(gòu)建的模型進(jìn)行訓(xùn)練后得到的模型。

可選的，所述獲取目標(biāo)場(chǎng)景對(duì)應(yīng)的目標(biāo)交通視頻，包括：

獲取與所述源交通視頻對(duì)應(yīng)的監(jiān)控畫面大小一致的目標(biāo)場(chǎng)景對(duì)應(yīng)的目標(biāo)交通視頻。

可選的，所述基于預(yù)設(shè)的運(yùn)動(dòng)詞典將所述目標(biāo)交通視頻轉(zhuǎn)換成相應(yīng)的目標(biāo)文本數(shù)據(jù)，包括：

利用目標(biāo)跟蹤算法對(duì)所述目標(biāo)交通視頻中的目標(biāo)交通工具進(jìn)行跟蹤，以得到所述目標(biāo)交通工具的運(yùn)動(dòng)軌跡；

將所述目標(biāo)交通視頻分割為目標(biāo)視頻片段，并基于所述運(yùn)動(dòng)詞典與所述目標(biāo)交通工具的運(yùn)動(dòng)軌跡對(duì)所述目標(biāo)視頻片段進(jìn)行編碼，以得到包含與不同所述目標(biāo)視頻片段對(duì)應(yīng)的編碼后文檔的目標(biāo)文本數(shù)據(jù)。