[發明專利]動作行為的識別方法、裝置和服務器

在審

• 申請號: 202211225920.4
• 申請日: 2022-10-09
• 公開（公告）號: CN115497168A
• 公開（公告）日: 2022-12-20
• 發明（設計）人: 楊文濤;黃亞峰;張舒瑩
• 申請（專利權）人: 中國銀行股份有限公司
• 主分類號: G06V40/20
• 分類號: G06V40/20;G06V20/40;G06V10/80;G06V10/82;G06V10/762;G06V10/764;G06V10/26;G06N3/04
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 徐煥;童磊

1.一種動作行為的識別方法，其特征在于，包括：

獲取目標視頻；其中，所述目標視頻包含有目標對象的動作影像；

利用預設的動作行為識別模型處理目標視頻，得到對應的目標識別結果；其中，預設的動作行為識別模型至少包括并聯的第一分支網絡和第二分支網絡；所述第一分支網絡與第二分支網絡通過預設連接相連；所述第一分支網絡用于進行粗粒度行為識別；所述第一分支網絡在進行粗粒度行為識別時所生成的第一類視頻特征通過預設連接流入第二分支網絡，并與第二分支網絡生成的第二類視頻特征融合，以進行細粒度行為識別；

根據目標識別結果，確定出目標對象動作行為的細粒度識別結果。

2.根據權利要求1所述的方法，其特征在于，在根據目標識別結果，確定出目標對象動作行為的細粒度識別結果之后，所述方法還包括：

根據目標對象動作行為的細粒度識別結果，檢測目標對象的動作行為是否存在風險。

3.根據權利要求1所述的方法，其特征在于，所述目標識別結果還包括目標對象動作行為的粗粒度識別結果。

4.根據權利要求3所述的方法，其特征在于，在根據目標識別結果，確定出目標對象的粗粒度行為和細粒度行為之后，所述方法還包括：

根據目標對象動作行為的粗粒度識別結果和細粒度識別結果，檢測目標對象的動作行為是否存在風險。

5.根據權利要求2或4所述的方法，其特征在于，在根據目標對象動作行為的粗粒度識別結果和細粒度識別結果，檢測目標對象的動作行為是否存在風險之后，所述方法還包括：

在確定目標對象的動作行為存在風險的情況下，生成關于目標對象的風險提示。

6.根據權利要求1所述的方法，其特征在于，所述預設的動作行為識別模型包括基于雙流網絡思想的神經網絡模型。

7.根據權利要求6所述的方法，其特征在于，所述第二分支網絡至少包括融合模塊，其中，所述融合模塊用于融合第一類視頻特征和第二類視頻特征。

8.根據權利要求7所述的方法，其特征在于，利用預設的動作行為識別模型處理目標視頻，包括：

利用第一分支網絡處理目標視頻，以提取出第一類視頻特征；

利用第二分支網絡處理目標視頻，以提取出第二類視屏特征；并利用融合模塊融合第一類視頻特征和第二類視頻特征，得到融合后的視頻特征；

利用第二分支網絡處理融合后的視頻特征，以得到目標對象動作行為的細粒度識別結果。

9.根據權利要求4所述的方法，其特征在于，根據目標對象動作行為的粗粒度識別結果和細粒度識別結果，檢測目標對象的動作行為是否存在風險，包括：

根據預設的拼接規則，拼接目標對象動作行為的粗粒度識別結果和細粒度識別結果，得到目標對象動作行為的綜合識別結果；

利用預設的行為風險檢測模型處理目標對象的目標對象動作行為的綜合識別結果，以確定目標對象的行為是否存在風險。

10.根據權利要求1所述的方法，其特征在于，所述方法還包括：

構建初始的動作行為識別模型；其中，所述初始的動作行為識別模型至少包括通過預設連接相連的初始的第一分支網絡和初始的第二分支網絡；所述初始的第一分支網絡和初始的第二分支網絡上還分別配置有第一損失函數和第二損失函數；

獲取并利用樣本數據，訓練初始的動作行為識別模型；并在訓練過程中，控制第一損失函數和第二損失函數進行網絡參數的聯合優化，以得到符合精度要求的預設的動作行為識別模型。

11.根據權利要求1所述的方法，其特征在于，在獲取目標視頻之后，所述方法還包括：

對目標視頻進行遮擋檢測，以及確定目標視頻是否符合預設要求。