[发明专利]基于循环时域保持生成的行为预测方法和装置

说明书

本申请提出基于循环时域保持生成的行为预测方法和装置，其中，方法包括：在获取当前周期的初始人体动作序列后，循环执行人体动作预测过程直至输出下一周期的人体动作序列，其中，人体动作预测过程包括：获取上一次循环过程输出的训练人体动作序列，并将训练人体动作序列输入长度控制器网络输出控制信号；将控制信号和训练人体动作序列输入运动生成器网络；若控制信号是生成信号，则通过运动生成器网络生成预测动作序列，以拼接在人体动作序列后生成本次循环过程的训练人体动作序列，并将生成的预测动作序列输出至下一个循环过程；若控制信号是停止信号，则将训练人体动作序列作为下一周期的人体动作序列。由此，提高了行为预测的效果和性能。

技术领域

本申请涉及模式识别技术领域，尤其涉及一种基于循环时域保持生成的行为预测方法。

背景技术

随着人体行为分析技术的快速发展，动作预测已经引起了广泛的兴趣并且成为了计算机视觉中的一个重要的领域。人体行为分析的快速发展使得动作预测已经成为人体动作分析的一个新的领域并且在很多应用中展现出其重要性，例如动作视频分析，异常行为检测和自动驾驶等。其中，动作预测是指从部分视频中推断出未完成的动作。

从观测到的序列中预测已经发生的部分动作是非常具有挑战性的，现有的动作预测方法主要分为两类：模板匹配和基于时域特征的分类方法。模板匹配预测动作是通过对动作进行模板匹配，这些模板包含稠密的表达和稀疏的表达。然而，稠密的模板匹配方法容易受到离散值的干扰，而稀疏的模板匹配方法在预测具有相似给你的动作时存在困难。基于时域特征的分类方法是从时域中提取特征来建模观测到的动作序列的趋势。

但是，现有的动作预测方法对生成的后续动作无法进行长度的控制，导致生成的后续动作存在长度不合适的现象，从而出现对未完成的动作做出预测效果不理想的问题。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本申请提出一种基于循环时域保持生成的行为预测方法，以解决现有技术中的行为预测方法无法生成恰当长度的动作序列，导致动作预测效果不理想的技术问题。

本申请一方面实施例提出了一种基于循环时域保持生成的行为预测方法，包括：

在获取当前周期的初始人体动作序列后，循环执行人体动作预测过程直至输出下一周期的人体动作序列，其中，所述人体动作预测过程包括：

获取上一次循环过程输出的训练人体动作序列，并将所述训练人体动作序列输入到预设的长度控制器网络输出控制信号，其中，当首次执行所述循环过程时，所述上一次循环过程输出的训练人体动作序列为所述初始人体动作序列；

将所述长度控制器网络输出的控制信号和所述训练人体动作序列输入预设的运动生成器网络；

若所述控制信号是生成信号，则通过所述运动生成器网络根据所述人体动作序列生成预测动作序列，将所述预测动作序列拼接在所述人体动作序列后生成本次循环过程的训练人体动作序列，并将所述生成的预测动作序列输出至下一个循环过程；

若所述控制信号是停止信号，则控制所述运动生成器网络输出所述训练人体动作序列作为所述下一周期的人体动作序列。