[发明专利]基于序列状态演进的行为预测方法及装置

权利要求书

1.一种基于序列状态演进的行为预测方法，其特征在于，所述方法包括以下步骤：

获取当前周期的人体动作序列；

将所述人体动作序列输入到预设的预测网络，得到与所述动作序列对应的多个预测动作的多个置信度，并根据预设筛选策略和所述多个置信度从所述多个预测动作中筛选出多个候选预测动作；

将所述多个候选预测动作中每个候选预测动作对应的类别标签和所述人体动作序列输入预设动作预测模型的生成器网络，生成与所述多个候选预测动作对应的多个第一候选动作序列；

将所述每个候选预测动作对应的第一候选动作序列拼接在所述人体动作序列之后，生成与所述多个第一候选动作序列对应的多个第二候选动作序列；

根据预设的真实度判断模型对所述多个第二候选动作序列的真实度进行判断，将符合与所述真实度判断模型对应的判断条件的目标动作序列确定为下一个周期的预测人体动作序列。

2.如权利要求1所述的行为预测方法，其特征在于，在所述根据预设的真实度判断模型对所述多个第二候选动作序列的真实度进行判断之前，还包括：

将每个第二候选动作序列输入全长度分类器，获取所述全长度分类器的输出结果；

根据所述输出结果，确定动作类别与其所属标签不一致的第三候选动作序列，并根据所述第三候选动作序列更新所述多个第二候选动作序列。

3.如权利要求1所述的行为预测方法，其特征在于，所述根据预设的真实度判断模型对所述多个第二候选动作序列的真实度进行判断，将符合与所述真实度判断模型对应的判断条件的目标动作序列确定为下一个周期的预测人体动作序列，包括：

将更新后的所述多个第二候选动作序列的每个第二候选动作序列输入预设判别器网络，获取与所述每个第二候选动作序列对应的判别值；

确定所述判别值满足预设值的目标动作序列为下一个周期的预测人体动作序列。

4.如权利要求2所述的行为预测方法，其特征在于，在所述确定动作类别与其所属标签不一致的第三候选动作序列之后，还包括：

根据预设的一致性损失函数对所述预设的预测网络进行训练；所述预设的一致性损失函数的计算公式如下：

L_con＝||R_Q,G,C-A_Q||₁＝||C{(S_t,G(S_t,A_Q))}-A_Q||₁

其中，L_con为所述一致性损失函数，R为所述第二候选动作序列对应的动作，A_Q为所述候选预测动作，C为所述全长度分类器，G为所述生成器网络，S_t为所述人体动作序列，{}为对所述第一候选动作序列与所述人体动作序列进行拼接的操作。

5.如权利要求1所述的行为预测方法，其特征在于，所述将所述人体动作序列输入到预设的预测网络，得到与所述动作序列对应的多个预测动作的多个置信度，并根据预设筛选策略和所述多个置信度从所述多个预测动作中筛选出多个候选预测动作包括：

将所述人体动作序列输入计算公式得到所述多个候选预测动作，其中，所述计算公式为：

其中，φ为所述预设的筛选策略，用于根据所述多个预测动作的多个置信度从所述多个预测动作中筛选出多个候选预测动作，Q为所述预设的预测网络，S_t为所述人体动作序列，A_Q为所述多个候选预测动作。