本發(fā)明涉及人工智能，具體而言，涉及一種基于語義特征和結(jié)構(gòu)特征匹配的通用動作識別方法、裝置、計(jì)算機(jī)設(shè)備及可讀存儲介質(zhì)。

背景技術(shù)：

1、在當(dāng)今數(shù)字化時(shí)代，動作識別在眾多領(lǐng)域具有重要意義，如安防監(jiān)控、智能人機(jī)交互、體育運(yùn)動分析等。傳統(tǒng)的動作識別方法往往存在局限性，例如僅依賴單一特征進(jìn)行識別，導(dǎo)致準(zhǔn)確性不足。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于語義特征和結(jié)構(gòu)特征匹配的通用動作識別方法、裝置、計(jì)算機(jī)設(shè)備及可讀存儲介質(zhì)。

2、第一方面，本發(fā)明實(shí)施例提供一種基于語義特征和結(jié)構(gòu)特征匹配的通用動作識別方法，包括：

3、獲取待測圖片，并將所述待測圖片輸入預(yù)先訓(xùn)練的人體識別模型，得到人體位置區(qū)域；

4、調(diào)用預(yù)先訓(xùn)練的動作自編碼模型對所述人體位置區(qū)域進(jìn)行特征提取，得到待測動作語義特征；

5、調(diào)用預(yù)先訓(xùn)練的人體姿態(tài)估計(jì)模型對所述人體位置區(qū)域進(jìn)行特征提取，得到待測動作結(jié)構(gòu)特征；

6、從預(yù)先設(shè)置的基準(zhǔn)特征庫中獲取多個(gè)基準(zhǔn)圖片對應(yīng)的基準(zhǔn)動作語義特征和基準(zhǔn)動作結(jié)構(gòu)特征，每個(gè)所述基準(zhǔn)圖片均標(biāo)記了對應(yīng)的基準(zhǔn)動作類別；

7、根據(jù)多個(gè)所述基準(zhǔn)動作語義特征和多個(gè)所述基準(zhǔn)動作結(jié)構(gòu)特征，對所述待測動作語義特征和所述待測動作結(jié)構(gòu)特征進(jìn)行特征匹配，確定出匹配程度最高的目標(biāo)基準(zhǔn)圖片，并將所述目標(biāo)基準(zhǔn)圖片對應(yīng)的目標(biāo)基準(zhǔn)動作類別作為所述待測圖片的動作識別結(jié)果。

8、在一種可能的實(shí)施方式中，所述動作自編碼模型通過以下方式獲取，包括：

9、構(gòu)建初始動作自編碼模型，所述初始動作自編碼模型包括級聯(lián)的五個(gè)下采樣組件和五個(gè)上采樣組件，所述下采樣組件為conv-bn-prelu-conv-bn-prelu結(jié)構(gòu)，所述上采樣組件為deconv-bn-prelu-deconv-bn-prelu結(jié)構(gòu)，每個(gè)所述下采樣組件和每個(gè)所述上采樣組件均配置有通道注意力組件，所述通道注意組件包括全局池化層、全連接層以及歸一化層；

10、基于無監(jiān)督機(jī)制對所述初始動作自編碼模型進(jìn)行訓(xùn)練，直至達(dá)到預(yù)設(shè)均方誤差損失函數(shù)訓(xùn)練終止條件，得到所述動作自編碼模型。

11、在一種可能的實(shí)施方式中，所述調(diào)用預(yù)先訓(xùn)練的人體姿態(tài)估計(jì)模型對所述人體位置區(qū)域進(jìn)行特征提取，得到待測動作結(jié)構(gòu)特征，包括：

12、調(diào)用預(yù)先訓(xùn)練的人體姿態(tài)估計(jì)模型對所述人體位置區(qū)域進(jìn)行關(guān)鍵點(diǎn)檢測，得到多個(gè)人體關(guān)鍵點(diǎn)位置信息；

13、根據(jù)所述多個(gè)人體關(guān)鍵點(diǎn)位置信息，確定出對應(yīng)的鄰接矩陣和角度矩陣；

14、根據(jù)預(yù)設(shè)關(guān)鍵點(diǎn)權(quán)重、所述鄰接矩陣以及所述角度矩陣，計(jì)算得到所述待測動作結(jié)構(gòu)特征。

15、在一種可能的實(shí)施方式中，所述根據(jù)預(yù)設(shè)關(guān)鍵點(diǎn)權(quán)重、所述鄰接矩陣以及所述角度矩陣，計(jì)算得到所述待測動作結(jié)構(gòu)特征，包括：

16、根據(jù)公式：s2＝an×ndn×nwn×n計(jì)算得到所述待測動作結(jié)構(gòu)特征；

17、其中，s2為待測動作結(jié)構(gòu)特征，an×n為鄰接矩陣，所述鄰接矩陣用于表征n個(gè)人體關(guān)鍵點(diǎn)之間的關(guān)系，dn×n為角度矩陣用于表征n個(gè)人體關(guān)鍵點(diǎn)兩兩之間連線的水平角度，wn×n為預(yù)設(shè)關(guān)鍵點(diǎn)權(quán)重。

18、在一種可能的實(shí)施方式中，所述根據(jù)多個(gè)所述基準(zhǔn)動作語義特征和多個(gè)所述基準(zhǔn)動作結(jié)構(gòu)特征，對所述待測動作語義特征和所述待測動作結(jié)構(gòu)特征進(jìn)行特征匹配，確定出匹配程度最高的目標(biāo)基準(zhǔn)圖片，并將所述目標(biāo)基準(zhǔn)圖片對應(yīng)的目標(biāo)基準(zhǔn)動作類別作為所述待測圖片的動作識別結(jié)果，包括：

19、計(jì)算所述待測動作語義特征與每個(gè)所述基準(zhǔn)動作語義特征的語義余弦相似度；

20、計(jì)算所述待測動作語義特征與每個(gè)所述基準(zhǔn)動作結(jié)構(gòu)特征的結(jié)構(gòu)余弦相似度；

21、判斷是否存在所述語義余弦相似度和所述結(jié)構(gòu)余弦相似度均大于預(yù)設(shè)余弦相似度閾值的待定基準(zhǔn)圖片；

22、若存在，則將所述待定基準(zhǔn)圖片作為所述目標(biāo)基準(zhǔn)圖片，并將所述目標(biāo)基準(zhǔn)圖片對應(yīng)的目標(biāo)基準(zhǔn)動作類別作為所述待測圖片的動作識別結(jié)果；

23、若不存在，則將所述待測圖片的動作識別結(jié)果確定為未知?jiǎng)幼黝悇e。

24、在一種可能的實(shí)施方式中，所述方法還包括：

25、在存在多個(gè)待定基準(zhǔn)圖片的情況下，計(jì)算每個(gè)待定基準(zhǔn)圖片對應(yīng)的待定動作語義特征和待定動作結(jié)構(gòu)特征與所述待測動作語義特征和所述待測動作結(jié)構(gòu)特征的歐氏距離；

26、根據(jù)所述歐氏距離的計(jì)算結(jié)果，確定出匹配程度最高的待定基準(zhǔn)圖片作為所述目標(biāo)基準(zhǔn)圖片。

27、在一種可能的實(shí)施方式中，所述獲取待測圖片，包括：

28、獲取所述待測圖片及所述待測圖片對應(yīng)的業(yè)務(wù)場景；

29、所述從預(yù)先設(shè)置的基準(zhǔn)特征庫中獲取多個(gè)基準(zhǔn)圖片對應(yīng)的基準(zhǔn)動作語義特征和基準(zhǔn)動作結(jié)構(gòu)特征，包括；

30、根據(jù)所述業(yè)務(wù)場景從預(yù)先設(shè)置的基準(zhǔn)特征庫中獲取多個(gè)基準(zhǔn)圖片對應(yīng)的基準(zhǔn)動作語義特征和基準(zhǔn)動作結(jié)構(gòu)特征。

31、第二方面，本發(fā)明實(shí)施例提供一種基于語義特征和結(jié)構(gòu)特征匹配的通用動作識別裝置，包括：

32、獲取模塊，用于獲取待測圖片，并將所述待測圖片輸入預(yù)先訓(xùn)練的人體識別模型，得到人體位置區(qū)域；調(diào)用預(yù)先訓(xùn)練的動作自編碼模型對所述人體位置區(qū)域進(jìn)行特征提取，得到待測動作語義特征；調(diào)用預(yù)先訓(xùn)練的人體姿態(tài)估計(jì)模型對所述人體位置區(qū)域進(jìn)行特征提取，得到待測動作結(jié)構(gòu)特征；從預(yù)先設(shè)置的基準(zhǔn)特征庫中獲取多個(gè)基準(zhǔn)圖片對應(yīng)的基準(zhǔn)動作語義特征和基準(zhǔn)動作結(jié)構(gòu)特征，每個(gè)所述基準(zhǔn)圖片均標(biāo)記了對應(yīng)的基準(zhǔn)動作類別；

33、識別模塊，用于根據(jù)多個(gè)所述基準(zhǔn)動作語義特征和多個(gè)所述基準(zhǔn)動作結(jié)構(gòu)特征，對所述待測動作語義特征和所述待測動作結(jié)構(gòu)特征進(jìn)行特征匹配，確定出匹配程度最高的目標(biāo)基準(zhǔn)圖片，并將所述目標(biāo)基準(zhǔn)圖片對應(yīng)的目標(biāo)基準(zhǔn)動作類別作為所述待測圖片的動作識別結(jié)果。

34、第三方面，本發(fā)明實(shí)施例提供一種計(jì)算機(jī)設(shè)備，所述計(jì)算機(jī)設(shè)備包括處理器及存儲有計(jì)算機(jī)指令的非易失性存儲器，所述計(jì)算機(jī)指令被所述處理器執(zhí)行時(shí)，所述計(jì)算機(jī)設(shè)備執(zhí)行第一方面所述的方法。

35、第四方面，本發(fā)明實(shí)施例提供一種可讀存儲介質(zhì)，所述可讀存儲介質(zhì)包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序運(yùn)行時(shí)控制所述可讀存儲介質(zhì)所在計(jì)算機(jī)設(shè)備執(zhí)行第一方面所述的方法。

36、相比現(xiàn)有技術(shù)，本發(fā)明提供的有益效果包括：采用本發(fā)明公開的一種基于語義特征和結(jié)構(gòu)特征匹配的通用動作識別方法、裝置、計(jì)算機(jī)設(shè)備及可讀存儲介質(zhì)，通過獲取待測圖片經(jīng)人體識別模型得到人體位置區(qū)域，再通過動作自編碼模型和人體姿態(tài)估計(jì)模型分別提取待測動作語義、結(jié)構(gòu)特征，從基準(zhǔn)特征庫獲取基準(zhǔn)動作的語義和結(jié)構(gòu)特征，基于二者進(jìn)行特征匹配確定目標(biāo)基準(zhǔn)圖片，將其對應(yīng)的動作類別作為待測圖片的識別結(jié)果，綜合語義與結(jié)構(gòu)特征提高動作識別的準(zhǔn)確性與通用性。

技術(shù)特征：

1.一種基于語義特征和結(jié)構(gòu)特征匹配的通用動作識別方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述動作自編碼模型通過以下方式獲取，包括：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述調(diào)用預(yù)先訓(xùn)練的人體姿態(tài)估計(jì)模型對所述人體位置區(qū)域進(jìn)行特征提取，得到待測動作結(jié)構(gòu)特征，包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)預(yù)設(shè)關(guān)鍵點(diǎn)權(quán)重、所述鄰接矩陣以及所述角度矩陣，計(jì)算得到所述待測動作結(jié)構(gòu)特征，包括：

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)多個(gè)所述基準(zhǔn)動作語義特征和多個(gè)所述基準(zhǔn)動作結(jié)構(gòu)特征，對所述待測動作語義特征和所述待測動作結(jié)構(gòu)特征進(jìn)行特征匹配，確定出匹配程度最高的目標(biāo)基準(zhǔn)圖片，并將所述目標(biāo)基準(zhǔn)圖片對應(yīng)的目標(biāo)基準(zhǔn)動作類別作為所述待測圖片的動作識別結(jié)果，包括：

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述方法還包括：

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取待測圖片，包括：

8.一種基于語義特征和結(jié)構(gòu)特征匹配的通用動作識別裝置，其特征在于，包括：

9.一種計(jì)算機(jī)設(shè)備，其特征在于，所述計(jì)算機(jī)設(shè)備包括處理器及存儲有計(jì)算機(jī)指令的非易失性存儲器，所述計(jì)算機(jī)指令被所述處理器執(zhí)行時(shí)，所述計(jì)算機(jī)設(shè)備執(zhí)行權(quán)利要求1-7中任意一項(xiàng)所述的方法。

10.一種可讀存儲介質(zhì)，其特征在于，所述可讀存儲介質(zhì)包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序運(yùn)行時(shí)控制所述可讀存儲介質(zhì)所在計(jì)算機(jī)設(shè)備執(zhí)行權(quán)利要求1-7中任意一項(xiàng)所述的方法。

技術(shù)總結(jié)
本發(fā)明公開了一種基于語義特征和結(jié)構(gòu)特征匹配的通用動作識別方法、裝置、計(jì)算機(jī)設(shè)備及可讀存儲介質(zhì)，包括：首先獲取待測圖片經(jīng)人體識別模型得到人體位置區(qū)域，再通過動作自編碼模型和人體姿態(tài)估計(jì)模型分別提取待測動作語義、結(jié)構(gòu)特征，從基準(zhǔn)特征庫獲取基準(zhǔn)動作的語義和結(jié)構(gòu)特征，基于二者進(jìn)行特征匹配確定目標(biāo)基準(zhǔn)圖片，將其對應(yīng)的動作類別作為待測圖片的識別結(jié)果，綜合語義與結(jié)構(gòu)特征提高動作識別的準(zhǔn)確性與通用性。

技術(shù)研發(fā)人員：潘金全
受保護(hù)的技術(shù)使用者：暗物質(zhì)（北京）智能科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9