[发明专利]动作识别方法和装置

说明书

本申请提供了动作识别方法和装置。该方法包括：获取待处理图片；提取待处理图片的空间特征；根据待处理图片的空间特征以及预设的特征库中的X个空间特征和X个光流特征，确定待处理图片的虚拟光流特征，其中，预设特征库中的X个空间特征和X个光流特征存在一一对应关系，X为大于1的整数；根据待处理图片的虚拟光流特征与预设特征库中的Y个光流特征的相似度，确定待处理图片在不同动作类别上的第一类置信度，其中，预设特征库中的Y个光流特征每个光流特征对应一种动作类别，Y为大于1的整数；根据第一类置信度确定待处理图片的动作类别。本申请能够提高动作识别的准确率。

技术领域

本申请涉及动作识别技术领域，并且更具体地，涉及一种动作识别方法和装置。

背景技术

动作识别包括对视频中的人物的动作识别和对图片中的人物的动作识别，由于视频中包含的信息较多，对视频中的人物的动作识别相对比较容易。与视频相比，图片中包含的信息较少，因此，如何有效地识别图片中的人物的动作类别是一个需要解决的问题。

发明内容

本申请提供一种动作识别方法和装置，能够提高动作识别的准确度。

第一方面，提供了一种动作识别方法，该方法包括：获取待处理图片；确定待处理图片的空间特征；根据待处理图片的空间特征和特征库中的X个空间特征和X个光流特征，确定待处理图片的虚拟光流特征；根据待处理图片的虚拟光流特征与特征库中的Y个光流特征的相似度，确定待处理图片在不同动作类别上的第一类置信度；根据第一类置信度确定待处理图片动作类别。

应理解，上述特征库为预先设置的特征库，该特征库中包含多个空间特征和多个光流特征。特征库中的每个空间特征对应一种动作类别，特征库中的每个光流特征对应一种动作类别。上述X和Y均为大于1的整数。

可选地，上述每个空间特征对应的动作类别和每个光流特征对应的动作类别是预先根据卷积神经网络模型训练得到的。

可选地，特征库中的多个空间特征和多个光流特征存在一一对应关系，特征库中的每个空间特征对应一个光流特征，特征库中的每个光流特征对应一个空间特征。

本申请中，通过待处理图片的空间特征以及特征库中的空间特征和光流特征能够获取待处理图片的虚拟光流特征，从而为图片模拟出与动作密切相关的时序信息，接下来就可以根据待处理图片的虚拟光流特征与特征库中的光流特征的相似度对待处理图片进行动作识别。

另外，由于本申请是直接通过对比待处理图片的虚拟光流特征与特征库中的光流特征的方式来进行动作识别，无需建立训练模型来对待处理图片进行动作识别，可以利用较少的光流特征实现对待处理图片的动作识别。

可选地，上述X个空间特征和X个光流特征分别是特征库中的全部空间特征和全部光流特征。

通过根据待处理图片的空间特征，以及特征库中的全部空间特征和全部光流特征来确定待处理图片的虚拟光流特征，可以更准确地确定待处理图片的虚拟光流特征，进而能够更准确地确定待处理图片的动作类别。

可选地，上述X个空间特征和X个光流特征分别是特征库中的部分空间特征和部分光流特征。

通过结合特征库中的部分空间特征和部分光流特征以及待处理图片的空间特征来确定待处理图片的虚拟光流特征，能够减少计算待处理图片的虚拟光流特征的计算量，进而提高对待处理图片进行动作识别的速度。

可选地，上述X个空间特征和X个光流特征一一对应，在X个空间特征和X个光流特征中，每个空间特征对应一个光流特征，每个光流特征对应一个空间特征。

应理解，上述Y个光流特征可以是特征库中的全部光流特征，也可以是特征库中的部分光流特征，另外，X与Y既可以相同，也可以不同。