[发明专利]一种行为识别方法、终端设备及计算机可读存储介质

说明书

本申请适用于神经网络技术领域，提供了一种行为识别方法、终端设备及计算机可读存储介质，所述方法包括：构建包括至少两个子网络的识别模型，并对所述识别模型中的每个子网络分别进行训练，在训练结束后，通过每个子网络识别待识别的视频序列，获得与每个子网络对应的初始识别结果，将每个子网络对应的初始识别结果融合后获得行为识别结果，通过本申请可以提高行为识别方法的鲁棒性。

技术领域

本申请属于神经网络技术领域，尤其涉及一种行为识别方法、终端设备及计算机可读存储介质。

背景技术

行为识别作为一个重要的研究领域，已经广泛应用于视频监控，人机交互，机器人学等方面。并且，随着低成本深度传感器的发展，也能够精确记录骨架关节的三维坐标点，这就为行为识别的发展提供了有利的帮助。

目前，基于3D视频序列的行为识别，主要采用基于递归神经网络的算法和基于2维卷积神经网络的算法。然而，这两种方法均无法从时间维度和空间维度同时精确的提取到特征。因此，目前的行为识别方法存在鲁棒性差的问题。

发明内容

有鉴于此，本申请实施例提供了一种行为识别方法、终端设备及计算机可读存储介质，以解决目前的行为识别方法存在鲁棒性差的问题。

本申请实施例的第一方面提供了一种行为识别方法，包括：

构建包括至少两个子网络的识别模型，并对所述识别模型中的每个子网络分别进行训练；

在训练结束后，通过每个子网络识别待识别的视频序列，获得与每个子网络对应的初始识别结果；

将每个子网络对应的初始识别结果融合后获得行为识别结果。

本申请实施例的第二方面提供了一种终端设备，包括：

构建训练模块，用于构建包括至少两个子网络的识别模型，并对所述识别模型中的每个子网络分别进行训练；

初始识别结果获得模块，用于在训练结束后，通过每个子网络识别待识别的视频序列，获得与每个子网络对应的初始识别结果；

行为识别结果获得模块，将每个子网络对应的初始识别结果融合后获得行为识别结果。

本申请实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本申请实施例第一方面提供的所述方法的步骤。

本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被一个或多个处理器执行时实现本申请实施例第一方面提供的所述方法的步骤。

本申请实施例的第五方面提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被一个或多个处理器执行时实现本申请实施例第一方面提供的所述方法的步骤。

本申请实施例构建包括至少两个子网络的识别模型，并对所述识别模型中的每个子网络分别进行训练，在训练结束后，通过每个子网络识别待识别的视频序列，获得与每个子网络对应的初始识别结果，将每个子网络对应的初始识别结果融合后获得行为识别结果，由于通过不同子网络可以提取到每个子网络对应的行为特征，且最后将各个子网络的测试结果进行融合，能够提高行为识别方法的鲁棒性。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请一实施例提供的一种行为识别方法的实现流程示意图；

图2是本申请一实施例提供的一种基网络的结构示意图；